基于组件表示和协同检测的人体跟踪算法研究

摘要

基于视频的人的检测与跟踪是计算机视觉领域热点的研究方向之一,它在智能视频监控、军事侦察监视、交通管理、无人驾驶、视频压缩、基于内容的视频检索、人机接口、机器人控制、视频编辑等领域有着广泛的应用,并发挥着举足轻重的作用。
　　 本文研究在背景中存在相似干扰,背景和目标的外观随着时间存在较大的变化,人体存在较大的形变等情况下的人的快速检测和跟踪:利用基于HOG特征和Pictorial Structure框架的级联分类器对视频中的人进行快速检测,并利用检测结果初始化跟踪器；通过融合人的形状约束和在线外观约束的人体模型对人体进行跟踪,并综合历史跟踪结果对目标的外观模板进行建模和更新。本研究主要创新点包括：⑴提出了一个基于组件表示的融合人体形状约束和外观约束的人体跟踪模型。利用HOG特征,基于Pictorial Structure框架基础上利用SVM离线训练出人的形状模型。在跟踪的过程中利用该形状模型约束和目标外观模板的约束来对目标的可能出现的位置进行筛选。相对传统的单靠在线维持目标的外观模板来对目标进行跟踪,本文的方法可以克服背景中跟目标具有相似外观的干扰物的干扰,确保跟踪过程中目标始终具有人的形状。另外基于组件表示的跟踪模型能够对形变较大的人体进行跟踪,对人的局部遮挡也能很好的处理。⑵提出了一种综合历史跟踪结果来对目标的外观模板进行建模和更新的方法。该方法对历史跟踪结果中较好地符合人体形状约束的外观集合进行聚类,用聚类的中心来对目标的外观模板进行建模。这可以克服传统算法,单靠在线维持单个外观模板所导致模板过度更新的问题。