论文部分内容阅读
行人目标的检测与跟踪作为计算机视觉的一个热点和难点,被众多学者和研究机构作为重要的课题进行研究。该课题的应用范围也得到了推广,目前较常见的应用场合如智能监控,人体异常行为监控和人流量统计等,都是以该课题为理论基础做研究的,其中,人流量的统计在实际中有很重要的研究价值,本文主要就该课题在行人计数方面的应用做了研究。针对行人运动目标而言,其作为一个特殊的非刚性的运动目标,在目标检测中有其独有的难点,比如说人体目标的非刚性,还有运动场景的复杂性,以及目标检测共同需要面对的难题等等,如光照的变化和目标之间不可避免的互相之间的遮挡问题等,都决定了传统的背景差分法难以满足其在精确度方面的要求,而精确度较高的梯度方向直方图法(Histograms of Oriented Gradients),文章中以后简称HOG特征提取法,又由于其计算度复杂而难以满足实际应用中的实时性要求。所以,本文在综合以上两个问题的基础上,提出了混合高斯背景建模法和梯度方向直方图法相结合的算法优化方法,该方法既解决了单纯利用混合高斯背景建模法的精确度低的问题,同时也提高了梯度方向直方图法的检测速度,通过实验验证,证明该算法的改进方法取得了一定的效果。在行人计数过程中,除了需要进行行人目标检测以外,检测后的跟踪问题也是需要解决的一大难题,论文首先对常见的跟踪算法进行了介绍,其中主要说明了Camshift算法的原理以及优缺点,并以该算法为基础提出适合本文场景的改进算法。研究发现,该算法主要的缺点是初始化时需要手动选定跟踪目标,其次存在多个目标相互遮挡严重时很容易出现目标跟丢现象。本文的改进算法也主要是做这两方面的优化。首先,本文的跟踪是基于目标检测的跟踪,所以初始化目标即为检测过程中的标注目标,而对跟丢现象,本文提出了自适应的搜索窗口函数参数,该方法可以自适应的调整搜索窗口,抑制将会对跟踪产生影响的噪声。具体做法是:当目标消失时,首先对目标的运动轨迹进行预测,当目标重新出现时,将能够继续完成对该目标的跟踪工作。最后,在以上算法研究的基础上,设计了基于Visual Studio2008和OpenCV2.0的行人计数系统,并对该系统进行了实现。该系统同时具有行人目标检测与跟踪计数的功能,最后对系统用三例视频进行了实验,证明了系统的可用性,同时分析了系统的缺陷,给出了该课题以后的研究方向。本论文的创新点主要是针对行人目标检测和跟踪两部分对传统算法进行了改进,并以此为基础实现了行人目标计数系统。