论文部分内容阅读
基于视频的人体多目标检测与跟踪技术是计算机研究的重要课题，提取多目标运动轨迹不仅是目标行为分析的研究对象，也是机器视觉分析的重要输入数据，比如运动目标模式理解、运动行为分析等等。基于视频的人体多目标检测跟踪技术主要运用在视频监控、国防、工业控制、关键基础设施保护和先进人机交互系统。本文提出一种实时的多目标检测与跟踪算法。首先，多目标检测部分，设计一种采用双边滤波技术的双自适应目标检测算法，主要解决室外光照背景下目标检测的问题。双边滤波不仅滤除图像噪声，还能较好保持图像边缘，尤其对于能发生变形的人体类目标，能够为后续目标跟踪提供较好的边缘信息。双自适应是自适应背景更新及动态阈值自适应的分时运用，主要用于缩短算法运算时间，增强算法实时性。利用连续三帧间差分法确定背景更新时机，量化光照变化以判断光照变化情况。当光照发生全局剧烈变化时，利用背景更新的差分算法提取目标前景；当光照变化微弱时，采用动态阈值更新的图像差分法提取目标区域。多目标的检测与标记技术是多目标跟踪技术实现的前提，通过目标分类提取，得到目标编号与外接矩形，作为目标跟踪的预处理参数。实验表明，该方法能实现不同全局光照突变下静态背景中的运动目标提取。多目标跟踪技术主要在检测技术的基础上实现，通过良好的目标检测效果提取目标特征参数，为多目标跟踪的实现提供良好的输入参数。本文采用一种基于检测的多目标跟踪技术，设计目标状态矩阵，通过目标状态矩阵判断目标运动状态，同时，设计一种基于目标运动信息的搜索框，减小跟踪搜索时间，加快目标匹配速度。针对目标是否发生遮挡，采用不同的跟踪算法。当目标未发生遮挡，即处于相互孤立运动状态时，采用基于自适应搜索框的最近邻算法；当目标发生遮挡，采用基于自适应搜索框的中心区域特征匹配跟踪算法，提取目标中心区域HSV颜色空间中H分量，H分量能克服一定的光照对颜色的影响。依据目标遮挡程度情况，对目标中心区域进行有限度缩放，对于二次缩放后特征匹配仍然失败，此时，判断目标发生严重遮挡，合并遮挡目标。实验结果表明，本文算法能较好应用于固定摄像头的室内外监控环境，具有良好的实时性与鲁棒性。