论文部分内容阅读
近年来,随着社会经济的不断发展以及大众安全意识的不断提高,大到商场、火车站,小到个人家庭都安装了大量的视频监控设备。目前人们对于视频监控设备的需求已经不仅仅满足于拍摄指定地点的视频画面,而是希望能够识别视频中的行人目标并对其进行跟踪,分析其运动信息,识别人体动作,给监控者提供及时且有效的信息,使其能够对异常事件做出快速的判断。高效、准确且鲁棒的行人检测以及跟踪算法是完成这一功能的基础。行人检测与跟踪算法广泛应用于智能交通,人机交互,安防监控等领域。室内监控视频领域与人们生活息息相关,更是行人检测与跟踪算法研究的重点。本文总结了目前经典的行人检测与跟踪算法,分析了其优缺点,提出了改进算法,并构建了室内监控视频的行人检测与跟踪系统。本文的主要研究内容如下:1)详细介绍了HOG特征的提取过程,并针对其维数高,耗时长的缺点采用主成分分析法即PCA方法对HOG特征进行整体降维。在检测过程中,引入了积分图思想,降低了检测过程中的重复计算。对HOG特征的改进,提高了基于HOG特征和线性支持向量机的行人检测算法的检测速度,增强了系统的实时性。2)针对室内监控视频的背景环境,提出采用混合高斯背景建模方法进行背景建模。对比了混合高斯背景建模方法与帧差法的效果。使用混合高斯背景建模方法提取了视频中的运动区域,结合了行人检测算法,进一步降低了行人检测的计算量以及耗时。3)针对室内监控视频清晰度差,分辨率低的特点,本文提出了一种改进的Camshift跟踪算法。文中详细介绍了Camshift算法的原理,分析了其优缺点。结合文中运动区域的提取,对Camshift跟踪算法进行了改进,提出了基于运动区域检测的Camshift算法。4)构建了一款针对室内监控视频的行人检测与跟踪系统,可以实现监控视频中行人的自动检测与跟踪。