基于最小二乘法与智能避障模型的行人跟踪

摘要

目标跟踪是智能视频分析的主要技术之一。目标跟踪即在一段视频中，通过各种技术手段跟踪目标，确定目标在下一个时间点的位置。目标跟踪的步骤基本分为：前景检测、目标感兴趣区域的确定、目标的跟踪。通过一定的检测方法去除视频图像中的噪声和阴影，然后对处理过的视频图像进行检测，确定目标的位置，通过一定的方法统计目标的信息，以此对目标进行跟踪。目标跟踪最重要的特性为鲁棒性和实时性。要保证目标一直被跟踪，最大程度的避免运动目标被跟丢和跟错。
　　本文提出一种基于YUV颜色空间的目标检测与跟踪方法。针对RGB格式下，码本模型对处理阴影的不足，图像显示较慢从而影响实时性，本文选取YUV颜色空间来进行背景建模，利用亮度信息和色度信息相独立的特性，可以有效地提高检测精度，且对阴影的去除也有较好的效果，在很大程度上提高了实时性，节约了运算内存。该码本建模方法能够适应光照的变化，自适应性，实时性，抗扰动性较好。且基于YUV颜色空间的优越性，大大减少了处理时间。另外本文重点提出了一种结合最小二乘法和自适应避障算法的行人跟踪方法。首先针对卡尔曼算法的不足，利用最小二乘法进行改进对行人轨迹进行预测。同时又结合自适应避障算法，与传统的行人跟踪方法相比，此方法更符合人类的思维习惯、更加智能。
　　本文的主要研究内容为：
　　①首先将RGB颜色格式转换为YUV格式，通过Y和U、V两方面对背景进行建模，通过训练场景中的每个像素点来建立码本模型,每个码本中包含一个以上的码字，且对码本模型进行实时更新；
　　②通过对亮度和色度进行匹配判断，如果匹配不成功，则说明该点为前景点，匹配成功该点则为背景点；
　　③利用传统的卡尔曼算法，实现初期的目标跟踪。并针对其不足进行改进；
　　④针对卡尔曼算法对行人跟踪的跟丢和跟错率较高，提出利用最小二乘法进行行人运动曲线拟合，预测出行人在下一视频帧中的位置。将此位置作为初始运动目标进行搜索；
　　⑤由于行人的特殊性，其心理和运动习惯会很大的程度的影响其运动，随意性较大。针对这一特性，提出结合自适应避障算法对行人进行跟踪。对遇到障碍物时，行人的轨迹有了更加智能的判断，提高跟踪的准确度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题的背景和意义

1.2国内外研究现状

1.3本文的主要研究内容

第二章 行人检测与跟踪相关算法理论基础

2.1颜色空间

2.2运动目标检测方法概述

2.3运动目标跟踪技术

2.4本章小结

第三章 基于自适应码本建模的行人检测

3.1颜色空间模型及转换

3.2背景建模及阴影处理

3.3前景目标检测与更新

3.4实验及分析

3.5本章小结

第四章 结合最小二乘法轨迹预测及智能避障模型的行人跟踪

4.1 卡尔曼滤波算法介绍

4.2基于卡尔曼滤波器的运动目标跟踪方法

4.3基于最小二乘法的轨迹预测

4.4结合智能避障模型的行人跟踪

4.5本章小结

第五章 实验结果与分析

5.1实验环境与实验设计

5.2实验对比

5.3 PETS2009S2L1库中三种算法的跟踪性能比较

5.4本章小结

第六章 总结与展望

6.1研究工作总结

6.2展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间申请的专利

附录3 攻读硕士学位期间参加的科研项目

致谢