监控视频中的人体检测与跟踪算法研究

发布时间：2017-10-14 00:08

  本文关键词：监控视频中的人体检测与跟踪算法研究

  更多相关文章： 运动目标检测 多模式均值算法 头肩HOG特征 级联分类器 图像金字塔 融合特征模板 运动预测

【摘要】：智能视频监控系统作为计算机视觉领域的一项研究热点,广泛应用于公共安防、交通安全、智能车辆等领域。人体检测与跟踪算法是智能监控系统中的核心技术,研究相关算法对智能监控系统性能的提高和完善具有重要意义。为了实现监控场景中准确、实时的行人检测与跟踪,本文从算法设计入手,深入分析与研究了运动目标检测算法、人体检测算法与行人跟踪算法,并对以上算法进行了优化形成了一套完整的具有良好准确性与实时性的行人检测与跟踪系统。针对以上系统,本文主要完成了以下工作：首先设计并实现了基于背景减除的运动目标检测算法,采用多模式均值模型作为背景模型完成前景掩码的提取,随后采用关联滤波法对掩码图像进行滤波,最后采用三次扫描连通域标记算法提取完整的团块信息。此外,在预处理阶段对视频图像进行降采样,减少了建模运算量,提高了算法效率。然后,对于运动区域内目标进行识别,提取行人目标,采用基于HOG特征与级联Adaboost分类器结合的方法进行多尺度行人检测。为了解决行人之间的遮挡问题,采用行人头肩区域HOG特征代替行人整体进行检测；为了加快人体检测速度又不影响检测效果,采用积分直方图的方式优化HOG特征提取过程；为了解决样本不均衡问题,采用级联结构构造分类器；为了实现多尺度行人的检测,采用图像金字塔方式进行搜索,并对金字塔层数、目标框融合方式进行了优化。最后,采用特征模板匹配的方式进行行人跟踪,融合颜色直方图特征、LTP纹理特征及梯度直方图特征形成特征模板,并对以上特征进行了分析减少特征维数,在进行模板搜索时为了减少搜索区域,采用运动目标区域结合目标运动预测的方式,缩小搜索范围,加快搜索速度。本文设计并实现的行人检测与跟踪算法在实际监控场景中进行实验,表明其具有良好的准确性和实时性。
【关键词】：运动目标检测 多模式均值算法 头肩HOG特征 级联分类器 图像金字塔 融合特征模板 运动预测
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;TN948.6
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-17
• 1.1 研究背景与意义9
• 1.2 国内外研究现状9-12
• 1.2.2 运动目标检测技术研究现状10
• 1.2.3 人体检测技术研究现状10-11
• 1.2.4 行人跟踪技术研究现状11-12
• 1.3 主要研究内容12-14
• 1.3.1 研究目标12
• 1.3.3 复杂环境下背景建模12
• 1.3.4 人体特征选择及提取12-13
• 1.3.5 人体分类器构造13
• 1.3.6 行人搜索算法13
• 1.3.7 技术难点13-14
• 1.4 论文工作及章节结构14-17
• 第二章 运动目标检测算法17-35
• 2.1 运动目标检测算法概述17-18
• 2.1.1 常用的运动目标检测算法17-18
• 2.1.2 运动目标检测算法设计18
• 2.2 背景建模算法综述18-22
• 2.2.1 均值滤波法19
• 2.2.2 中值滤波法19-20
• 2.2.3 单高斯模型20
• 2.2.4 混合高斯模型20-21
• 2.2.5 多模式均值模型21
• 2.2.6 算法比较21-22
• 2.3 多模式均值模型22-25
• 2.3.1 算法原理22
• 2.3.2 参数初始化22-23
• 2.3.3 参数更新23
• 2.3.4 模型替换23-24
• 2.3.5 前景标记24
• 2.3.6 算法流程24-25
• 2.4 图像预处理25-27
• 2.4.1 图像去噪25-27
• 2.4.2 图像降采样27
• 2.5 二值图像处理27-31
• 2.5.1 联合滤波28-30
• 2.5.2 前景提取30-31
• 2.6 实验结果与分析31-34
• 2.6.1 实验环境与测试数据31-32
• 2.6.2 实验结果32-33
• 2.6.3 结果分析33-34
• 2.7 本章小结34-35
• 第三章 人体检测算法35-57
• 3.1 人体检测算法概述35-36
• 3.1.1 常用的人体检测算法35-36
• 3.1.2 人体检测算法总体设计36
• 3.2 人体检测特征提取36-42
• 3.2.1 人体检测特征综述36-37
• 3.2.2 人体检测特征分析与选择37-38
• 3.2.3 HOG特征提取算法38-40
• 3.2.4 HOG特征提取优化40-42
• 3.3 人体分类器42-47
• 3.3.1 人体分类器综述42-44
• 3.3.2 分类器选择44
• 3.3.3 级联分类器训练44-47
• 3.4 多尺度空间检测47-52
• 3.4.1 图像金字塔及搜索层数优化48-49
• 3.4.2 梯度直方图估计49-50
• 3.4.3 目标框融合50-52
• 3.5 实验结果与分析52-54
• 3.5.1 实验结果52-54
• 3.5.2 结果分析54
• 3.6 本章小结54-57
• 第四章 行人跟踪算法57-71
• 4.1 行人跟踪算法概述57-59
• 4.1.1 常用的行人跟踪算法57-58
• 4.1.2 行人跟踪算法总体设计58-59
• 4.2 特征选择和提取59-64
• 4.2.1 特征选择59
• 4.2.2 颜色特征59-60
• 4.2.3 纹理特征60-63
• 4.2.4 梯度特征63-64
• 4.3 匹配搜索64-66
• 4.3.1 运动预测64-65
• 4.3.2 搜索策略65
• 4.3.3 匹配准则65-66
• 4.4 行人计数66-67
• 4.5 实验结果与分析67-69
• 4.5.1 实验结果67-68
• 4.5.2 结果分析68-69
• 4.6 本章小结69-71
• 第五章 总结与展望71-73
• 5.1 总结71-72
• 5.2 展望72-73
• 致谢73-75
• 参考文献75-81
• 作者在攻读硕士学位期间发表的论文和成果81

【相似文献】

中国期刊全文数据库 前10条

1 丁建浩;耿卫东;王毅刚;;基于多部位多示例学习的人体检测[J];模式识别与人工智能;2012年05期

2 王敏;赵娜娜;刘忠杰;黄榜;宋小波;朱擎飞;;视频中的人体检测算法[J];自动化博览;2013年02期

3 孙宏国;李天然;蒲宝明;张全发;王慧静;;复杂背景下人体检测算法[J];计算机系统应用;2013年04期

4 潘锋,王宣银;基于支持向量机的复杂背景下的人体检测[J];中国图象图形学报;2005年02期

5 吕治国;徐昕;贺汉根;;基于可变模板和支持向量机的人体检测[J];计算机应用;2007年09期

6 汤一平;李雯;;基于全方位视觉的快速实时人体检测[J];浙江工业大学学报;2008年04期

7 方明;;一种基于图像的人体检测方法[J];科技资讯;2009年27期

8 贾棋;郭禾;宫宇;;一种实用的运动人体检测与阴影消除方法[J];系统仿真学报;2009年S2期

9 苏海明;;基于头部特征的人体检测[J];信息与电脑(理论版);2010年03期

10 黄永鑫;;运动人体检测的关键技术研究[J];硅谷;2010年17期

中国重要会议论文全文数据库 前4条

1 孙庆杰;;基于颜色量化的人体检测[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 龚华;李继云;;运动人体检测算法比较研究[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 顾爽;陈启军;;基于边缘类型比率特征的人体检测算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

4 陈亚菲;张宝昌;;基于L2-norm最小化的人体检测[A];第八届全国信息获取与处理学术会议论文集[C];2010年

中国重要报纸全文数据库 前3条

1 成都 胥绍禹 编译;人体检测夜间自动照明灯[N];电子报;2007年

2 刘文静;测头发可知健康状况[N];新华每日电讯;2003年

3 刘文静;只需剪一缕头发 就测出健康状况[N];新华每日电讯;2004年

中国博士学位论文全文数据库 前9条

1 林逸峰;基于计算机视觉的人体检测和人脸识别[D];吉林大学;2012年

2 刘亚洲;基于时空分析和多粒度特征表示的人体检测方法研究[D];哈尔滨工业大学;2009年

3 丁建浩;基于单目视觉的人体检测和运动恢复[D];浙江大学;2013年

4 李春明;视频图像中的运动人体检测和人脸识别[D];西安电子科技大学;2005年

5 倪洪印;基于视频的人体检测与目标跟踪方法研究[D];吉林大学;2014年

6 于海滨;基于头部特征提取的人体检测与跟踪及其应用[D];浙江大学;2007年

7 叶青;无标记人体运动捕捉技术的研究[D];北京邮电大学;2014年

8 Nasir Saleem（萨里姆）;视频监控中的人体分割、识别与跟踪[D];北京邮电大学;2013年

9 郭星;大屏幕人机互动中若干关键技术研究[D];安徽大学;2013年

中国硕士学位论文全文数据库 前10条

1 姚河花;基于梯度方向直方图的人体检测算法的改进[D];电子科技大学;2014年

2 翟渊;基于电子巡考系统的缺考、代考预警研究[D];复旦大学;2013年

3 吴亚顺;基于视频序列的运动人体检测和跟踪[D];西华大学;2015年

4 常峰;基于多特征和级联分类器的人体检测算法[D];合肥工业大学;2014年

5 张宗楠;基于嵌入式系统的人体跟踪方法研究与实现[D];重庆大学;2015年

6 万雪飞;基于双人体可变形部件模型的深层人体检测[D];大连海事大学;2016年

7 武文静;监控视频中的人体检测与跟踪算法研究[D];东南大学;2015年

8 崔新毅;视频序列中的人体检测方法研究[D];哈尔滨工业大学;2007年

9 甘国龙;基于特征学习的人体检测[D];电子科技大学;2012年

10 邵春艳;基于空间上下文的人体检测算法研究[D];哈尔滨工程大学;2012年

，

本文编号：1027857