交通場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的算法研究.pdf

1、基于計(jì)算機(jī)視覺(jué)的智慧城市系統(tǒng)在重點(diǎn)區(qū)域的行人流量分析、監(jiān)控目標(biāo)的實(shí)時(shí)跟蹤以及城市道路的車(chē)流智能引導(dǎo)等領(lǐng)域具有重要的研究?jī)r(jià)值和應(yīng)用前景，其中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是實(shí)現(xiàn)后續(xù)智能分析與決策的關(guān)鍵技術(shù)?？紤]到背景模型初始化的準(zhǔn)確性對(duì)于目標(biāo)檢測(cè)效果具有重大的影響，因此本文重點(diǎn)圍繞初始化過(guò)程中容易發(fā)生卻又較難解決的鬼影問(wèn)題，采用了一種改進(jìn)的幀間差分法，并與內(nèi)外輪廓直方圖匹配法相融合，充分利用了視頻序列中的時(shí)空特性。另外考慮到運(yùn)動(dòng)目標(biāo)的互相遮擋將引起目

2、標(biāo)跟蹤性能的急劇下降，因此本文采用了一種基于分類(lèi)器最大響應(yīng)衰減率的遮擋判別方法，并利用不同層級(jí)上的觸發(fā)條件，將顯著提高目標(biāo)跟蹤的效率和準(zhǔn)確性。最后本文分別以車(chē)輛和行人的檢測(cè)與跟蹤應(yīng)用為例，對(duì)上述新方法進(jìn)行了應(yīng)用嘗試，驗(yàn)證了方法的可行性。本文的主要工作如下：
　?。?）在目標(biāo)檢測(cè)部分，針對(duì)背景模型初始化過(guò)程中產(chǎn)生的鬼影問(wèn)題，采用了基于時(shí)空特性的鬼影抑制方法。該方法解決了兩個(gè)問(wèn)題，包括內(nèi)外輪廓直方圖匹配法無(wú)法應(yīng)用于小區(qū)域鬼影和幀間差分

3、法對(duì)攝像頭抖動(dòng)敏感。另外針對(duì)傳統(tǒng)幀間差分法二值化結(jié)果過(guò)度依賴(lài)固定閾值的問(wèn)題，本文用差分結(jié)果中所有像素所服從的正態(tài)分布來(lái)表示圖像的幀間變化特性，提高了適用性。實(shí)驗(yàn)結(jié)果表明，本文采用的基于時(shí)空特性的鬼影抑制方法比較有效。最后針對(duì)檢測(cè)結(jié)果目標(biāo)內(nèi)部有孔洞以及白色噪點(diǎn)較多的問(wèn)題，采用形態(tài)學(xué)處理等操作進(jìn)行優(yōu)化。
　?。?）在目標(biāo)跟蹤部分，針對(duì)如何判斷遮擋發(fā)生問(wèn)題，本文采用了一種基于分類(lèi)器最大響應(yīng)衰減率的分級(jí)遮擋判別方法。該方法根據(jù)衰減率和直方

4、圖匹配度，將遮擋判斷分為粗判斷和細(xì)判斷兩個(gè)階段。實(shí)驗(yàn)結(jié)果表明，與基于Surf特征匹配的遮擋判斷方法和基于LK光流法的遮擋判斷方法相比，該方法更為有效。
　?。?）為進(jìn)一步優(yōu)化行人目標(biāo)的跟蹤結(jié)果，將靜態(tài)行人檢測(cè)的相關(guān)技術(shù)應(yīng)用到目標(biāo)跟蹤領(lǐng)域。把行人跟蹤窗口適當(dāng)放大作為待優(yōu)化區(qū)域，在該區(qū)域用已訓(xùn)練好的行人分類(lèi)器檢測(cè)，最終確認(rèn)目標(biāo)的準(zhǔn)確位置。實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的行人跟蹤結(jié)果更為準(zhǔn)確。
　?。?）綜合運(yùn)用本文運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的相關(guān)