论文部分内容阅读
行人检测和人群跟踪在安防监控、智能交通、军事国防、视觉机器人、体育赛事分析等领域都有着重要的应用，因此也吸引了大量研究者的研究热情，但是受到不同场景的环境因素限制，怎样更加准确、有效、鲁棒地对行人检测和跟踪一直是一项极大地挑战。为了能够在复杂场景下，更为准确地描述目标运动状态和预测目标未来的运动趋势，本文从两类典型场景条件下（俯视场景和广域斜视场景）的行人目标检测、分割、跟踪及轨迹优化等几个方面进行深入研究，本文的主要研究工作和成果体现在以下几个方面: 首先，针对第一种俯视场景，提出一种基于俯视场景RGBD信息的人头区域检测算法，能够在俯视场景下利用场景的RGB信息及深度信息快速有效地检测出行人人头位置并分割出行人人头区域。针对第二种广域斜视场景，提出了一种基于帧间差分边缘和HOG特征的快速广域场景行人检测算法，在视角及目标尺度变化大的广域复杂场景，利用帧间差分得到运动目标边缘结合HOG行人特征描述子快速检测行人目标。 然后，根据行人检测结果及行人在不同场景环境下的特征表现，提出一种基于联合概率函数和状态空间模型的行人跟踪和计数算法，构建了一个状态空间框架将检测的目标进行关联形成跟踪轨迹并计数。在该过程中，通过基于复合特征匹配关系的联合概率函数和能量函数寻优可以将匹配跟踪问题转化为状态空间转换问题并获得最优解。 最后，在对前一步的跟踪结果分析的基础上，融入不同场景下行人目标运动的约束条件（包含环境对行人行为约束、行人自身内在约束和人间约束等），提出了一种改进的离散-连续多目标跟踪轨迹优化算法，并对跟踪结果进行进一步的优化，加强跟踪的准确性和鲁棒性。