智能視頻監(jiān)控中行人的檢測(cè)與跟蹤方法研究.pdf

1、智能視頻監(jiān)控在獲取監(jiān)控視頻數(shù)據(jù)基礎(chǔ)上，對(duì)場(chǎng)景中的目標(biāo)如車輛，人進(jìn)行檢測(cè)，檢測(cè)的方法是利用目標(biāo)的一些運(yùn)動(dòng)特征或者外觀特征如顏色，紋理等結(jié)合檢測(cè)窗口，檢測(cè)窗口可以是基于感興趣區(qū)域或者顯著性區(qū)域，也可以利用滑動(dòng)窗口遍歷。在檢測(cè)基礎(chǔ)上可以進(jìn)一步跟蹤目標(biāo)，獲取目標(biāo)在一段視頻序列內(nèi)的軌跡。目標(biāo)的檢測(cè)和跟蹤是下一步目標(biāo)動(dòng)作識(shí)別，行為分析的基礎(chǔ)，但是由于場(chǎng)景中的背景時(shí)刻在變化且有光照，噪聲的影響再加上目標(biāo)之間相互遮擋給目標(biāo)的檢測(cè)和跟蹤增加了難度。同時(shí)以

2、往的行人檢測(cè)方法主要是在公有數(shù)據(jù)集的基礎(chǔ)上提取特征然后利用分類器模型訓(xùn)練，所得行人檢測(cè)器在原始數(shù)據(jù)集上往往能得到較高的準(zhǔn)確率。但是一旦應(yīng)用到其他場(chǎng)景中，檢測(cè)率將大大下降。
　　本文提出了一種基于遷移學(xué)習(xí)和稀疏編碼的行人檢測(cè)框架，該框架可以將在原訓(xùn)練集上訓(xùn)練好的行人檢測(cè)器遷移到新場(chǎng)景中，該框架中首先將原始檢測(cè)器應(yīng)用到目標(biāo)場(chǎng)景中獲得初始檢測(cè)結(jié)果，然后利用一些線索過(guò)濾出那些被檢測(cè)器正確分類的樣本作為目標(biāo)模板，然后利用稀疏編碼刻畫(huà)目標(biāo)模板

3、和目標(biāo)樣本之間的相似性并且加權(quán)目標(biāo)樣本。同時(shí)，利用顯著性檢測(cè)方法檢測(cè)目標(biāo)模板和原訓(xùn)練集中行人樣本的顯著性區(qū)域，并利用稀疏編碼加權(quán)原訓(xùn)練集中的樣本，最后利用支持向量機(jī)訓(xùn)練所有帶權(quán)值樣本得到目標(biāo)場(chǎng)景下的行人檢測(cè)器。基于遷移學(xué)習(xí)所得的該檢測(cè)器在特定新場(chǎng)景中檢測(cè)率比原始檢測(cè)器提高了近30％。
　　本文同時(shí)還提出一種基于粒子濾波行人跟蹤的框架，詳盡的闡述了粒子濾波框架的原理，即如何從貝葉斯理論和蒙特卡洛過(guò)渡到粒子濾波方法理論?；谛腥祟伾?/p>