论文部分内容阅读
智能视频监控系统是计算机视觉领域中重要研究方向,被广泛的应用于公共安全领域、人机交互领域,同时也是汽车辅助系统的关键技术之一。因为人是智能视频监控系统重点关注对象,从而使得行人检测又是智能视频监控系统中的热点问题,但是人属于非刚性物体,具有姿态多样性,另外行人外貌与穿着不尽相同,加上检测环境复杂性如光照的变化等都会给行人检测技术带来了巨大挑战,当前主流行人检测方法是基于机器学习的方式展开,本文从行人检测的主流方法入手,并结合运动目标检测算法与行人跟踪算法设计并实现了一套在行人检测精度与实时性两方面都取得良好表现的行人检测系统。本文主要做的工作如下。首先本文对比研究了多种国内外提出的背景建模算法,并按照整套行人检测系统的实时性与精确性要求,选择ViBe模型来提取运动目标的二值掩码图,采用联合滤波算法将离散前景目标进行滤波使其形成完整团块,然后使用三次扫描连通域标记算法获得团块的基本信息,同时还采用了图像降采样与图像去噪处理来提高运动目标检测模块的速度与效果。然后在运动目标检测的基础上本文采用基于机器学习方式来对行人进行分类,将HOG特征与改进的softcascade分类器结合来对行人进行多尺度检测,本文采用行人头肩检测与行人人体检测相结合的方式来检测行人,通过头肩检测来解决行人之间的遮挡问题,利用行人人体检测来降低行人检测误检率。并采用金字塔搜索的方式来解决监控视频中行人尺度不同的问题。最后考虑到行人检测系统的实时性要求,本文又加入了基于多特征模板匹配的行人跟踪算法,将行人的颜色特征,梯度特征与纹理特征融合形成特征模板,同时通过运动预测的方式来加快模板匹配过程中的搜索速度,提高整个系统的运行速度。综上所述,本文的行人检测系统由运动目标检测模块,行人检测模块与行人跟踪模块三个部分组合而成,整个系统在实时性与检测准确性方面表现良好。