基于HOG的多特征融合行人检测跟踪系统

摘要

针对传统行人检测跟踪方法在固定相机场景下所存在的检测速度慢、跟踪不稳定等问题，提出一种基于HOG的多特征融合行人检测跟踪系统。论文通过提出基于帧间约束的HOG行人检测算法，提高传统HOG方法的行人检测速度；通过提出基于多特征融合的粒子滤波行人跟踪算法，提高传统粒子滤波方法的行人跟踪精度；通过提出基于多信息过滤器的运算控制方法，提高整个行人检测跟踪系统的鲁棒性。
　　针对传统HOG方法在固定相机场景下行人检测速度慢的问题，通过三帧差分法的场景运动目标检测结果为HOG检测提供时域信息约束，使具体进行HOG检测的相关复杂运算区域从整个场景缩减为场景中的运动相关区域，进而在不影响行人检测精度的前提下提高HOG检测速度。
　　针对传统基于粒子滤波的行人跟踪算法在背景复杂、目标遮挡等情况下存在的跟踪精度差问题，提出一种融合行人颜色特征和SUSAN特征的粒子滤波跟踪算法。在颜色特征稳定时只计算目标颜色特征，以减少算法的运算量；当行人经过背景复杂区域或发生遮挡时，采用回退计算的方式，重新计算目标的SUSAN特征，保证特殊情况下的行人跟踪精度。
　　针对单纯的行人检测跟踪存在的运算量偏大、特殊情况下检测跟踪精度低问题，在本文的系统中添加基于多信息过滤器的运算控制方法。利用行人在相邻序列帧中的空间连续性，对系统的检测结果和跟踪结果，进行距离信息、形状信息的综合判定，并根据判定结果对系统的运算进行调整，保证系统运算的精度和实时性。
　　实验结果表明：在相机固定场景下，与三帧差分法、传统HOG检测等算法相比本文提出的行人检测方法在保证较好的检测精度的前提下，具有较快的检测速度；与传统粒子滤波跟踪方法相比，本文提出的行人跟踪方法在保证较快的运算速度的前提下，具有良好的跟踪精度。

目录

第1章 绪论

1.1 研究背景与研究意义

1.2 国内外研究现状

1.3 论文主要研究内容

1.4 论文章节结构

第2章 相关算法研究

2.1 HOG特征研究

2.2 粒子滤波研究

2.3 本章小结

第3章 基于帧间约束的HOG行人检测

3.1 固定相机场景HOG行人检测分析

3.2 场景时域信息分析

3.3 帧间约束信息计算

3.4 帧间约束下的HOG行人检测

3.5 本章小结

第4章 多特征融合粒子滤波行人跟踪

4.1 多特征粒子滤波行人跟踪流程

4.2 HSV特征跟踪

4.3 SUSAN特征跟踪

4.4 本章小结

第5章 基于多信息过滤器的系统运算控制

5.1 距离信息运算控制

5.2 形状信息后验控制

5.3 检测跟踪交互控制

5.4 小结

第6章 实验验证与分析

6.1 实验总述

6.2 实验效果图比对

6.3 算法速度比较

6.4 算法准确度比较

6.5 本文系统展示

6.6 本章小结

总结和展望

参考文献

参与科研项目

致谢

声明