论文部分内容阅读
行人检测是计算机视觉中一个重要的研究领域,对当今人们生活质量的提高有着重要的意义,如楼宇智能监控系统、汽车辅助驾驶系统以及高级的人机接口等领域都扮演着重要的角色。由于检测环境中背景的多样性、天气光照的变化、行人运动姿态的不确定性以及衣着的多样性等因素的影响,使得行人检测不同于其他的目标检测。除此之外还要考虑实时性的要求。本研究主要针对视频序列中的行人进行检测,结合行人的运动信息实现在摄像头固定情况下对行人的检测与识别,并针对检测出的行人进行跟踪,主要工作如下:1、采用背景差分的方法检测出运动目标,Vibe算法是基于背景差分的思想提出的能快速建立背景的运动目标检测算法。针对Vibes算法容易出现残影的不足,文中将Vibe算法与OTSU算法相融合,达到了快速消除残影目的。并针对运动目标肯能出现的阴影进行去除,实现行人可能区域的快速定位。2、对于检测出的运动目标区域提取其HOG特征作为特征描述符。针对HOG特征维度较高而导致检测速度较慢的不足,运用PCA算法进行特征降维,最终得到HOG-PCA特征。运用SVM分类器进行分类训练。经过实验验证,经过PCA降维后的HOG特征能够在不降低识别率的前提下达到提高检测速度的目的。3、为了提高视频行人检测的实时性,系统加入了行人目标跟踪模块,将Cam Shift算法与Kalman滤波器相结合,对行人发生短暂遮挡的情况进行预测定位,实现了对行人的实时稳定的跟踪。最后将所有模块相融合形成视频序列行人检测与跟踪系统,通过实验表明本行人检测系统能够达到较高的识别率和较快的检测速度。