论文部分内容阅读
视频监控智能化是基于计算机视觉技术的一个新兴研究方向,目前得到了广泛的关注和研究,行人检测与跟踪是智能监控中的重要环节。由于监控场景下的行人存在姿态变化、目标之间相互遮挡等因素的影响,一直是计算机视觉领域中的热点和难点。为了解决监控场景下的准确的行人检测与跟踪的问题,对现有的行人检测与跟踪方法进行深入的研究和分析。并根据行人检测过程中目标相互遮挡,以及行人目标跟踪中存在的目标尺度变化和非刚性形变等问题,对相关算法进行了优化与改进,设计了一套准确的行人检测与跟踪算法框架,并在变电站监控场景中进行了测试验证。论文的主要工作如下:1.对现有的行人检测算法进行深入研究,分析其相邻目标遮挡时检测效果不佳问题的原因。基于聚合通道特征(Aggregate Channel Features,ACF)行人检测算法,针对性设计了一种权重非极大值抑制算法(Non-maximum Suppresion,NMS),有效减少了相邻目标互相遮挡时的漏检率。并通过实验对比和验证了改进算法的有效性。2.针对现有的单目标跟踪算法进行研究分析,探讨了其存在的尺度估计不准确和目标非刚性形变导致跟踪失败的问题。并针对性设计了一种多尺度估计机制,用于准确估计跟踪目标的尺度信息;同时设计了一种基于梯度方向直方图(HOG)特征和颜色直方图特征融合的方法,解决目标非刚性形变导致跟踪失败的问题。并设计和进行了实验对比分析,验证了改进算法能够有效解决尺度估计和目标非刚性形变的问题。3.完成了智能监控中的行人检测与跟踪算法框架的设计并实现。通过将上述的改进的检测与跟踪算法进行集成整合,并加入基于峰值旁瓣比(peak sidelobe ratio,PSR)的跟踪状态检测模块和跟踪信息记录模块,形成了完整的自动行人检测与跟踪算法框架。能够对变电站实际监控场景下的行人目标进行有效的检测与跟踪,通过跟踪状态检测模块自动判断跟踪状态并记录相关信息。该算法框架在实验平台上的运行速度符合实时要求,具有较强的实用价值。研究结果表明,通过对检测算法中非极大值抑制模块的改进,能够有效解决相邻目标互相遮挡时检测器漏检的问题;引入多尺度估计机制,有效改善单目标跟踪算法结果的尺度准确性;通过HOG特征与颜色直方图特征融合的方法,能够有效解决行人目标在跟踪时的非刚性形变问题。