人体多目标跟踪的研究

发布时间：2021-11-21 01:24

　　随着科学技术的发展,视频中的多目标跟踪技术一直以来是很多人工智能研究学者的一项重要研究内容。人体多目标跟踪在视频监控、无人驾驶和人体运动分析等领域得到广泛应用。尽管很多研究人员已经在多目标跟踪上取得很大的成就,但是由于光照、人体交错运动、遮挡、形变等众多因素的影响,依然存在一些需要解决的问题。多目标跟踪效果的好坏也与目标检测也有密切的联系。本文针对不同的影响因素,主要研究内容及创新如下:（1）针对SSD目标检测算法在检测过程中需要对提取特征图中的每个网格进行多框预测的复杂问题,提出了一种避免冗余计算的改进方法。先获视野中的背景进行背景建模,利用基于自组织的背景减除法获取当前视频帧中目标出现的区域,然后利用SSD对目标区域框进行分类,获取检测到的人体目标,避免了对只包含背景特征的网格单元进行多框检测。针对SSD检测算法对小目标检测效果不佳的问题,提出一种利用上下文信息实现特征融合的方法。（2）针对多目标跟踪过程中目标的区域密集度和跟踪的实时性问题,提出了一种基于区域划分的多目标跟踪算法。先将检测获得的目标作为图的结点,利用相关聚类算法进行区域划分,然后利用检测目标与跟踪目标的相关性将跟踪... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

RGB颜色空间分布图

图优点在于不会因为目标的形状变化受到影响，但，不同的光照强度下的同一视频帧会因此产生不同征达到更好的应用效果，Van 等人[35]在 2009 年将 RG1 中颜色，在目标跟踪的应用中也产生更好的效果。度直方图图 2-2 R、G、B 颜色直方图

第 2 章 相关知识介绍法，在 opencv 中可直接被引用。梯度特征主要体现目标的显。提取 HOG 特征主要凸显的是目标的轮廓。传统的 H维度，在 2010 年，Forsyth 等人[36]对 HOG 特征进行更深征扩展为 31 维，包括 18 维有符号梯度方向直方图、9 维和 4 维 cell 对角线区域累加得到直方图。特征的提取过程具体如图 2-3 所示：

【参考文献】：
期刊论文
[1]基于Lab色彩空间和模板匹配的实时交通灯识别算法[J]. 徐成,谭乃强,刘彦.  计算机应用. 2010(05)



本文编号：3508480