高清视频监视中行人检测方法研究

摘要

行人检测是安防监控领域的研究重点所在，并且也是其中的一大难点。因为行人一般是监控摄像头中的主要关注的目标，对行人目标的检测是其他计算机视觉处理比如异常行为分析、动作识别等工作的基础，其准确度对整个系统都有着至关重要的影响。但是对于行人目标的准确识别较为困难，若要实现较高的准确度，就需要牺牲系统的速度，而对于高清视频的处理，行人检测的速度问题尤其重要。
　　针对现有的行人检测所存在的问题，本文研究了行人检测的加速方法，实现了一个应用于高清视频的行人检测系统，该系统以HOG特征结合模式分类算法为基础，在总体结构以及多处关键算法上进行优化。为了提升检测效率，将系统中运算量最大的部分移植到GPU中，利用GPU强大的并行计算能力进行并行处理。本文的主要工作如下:
　　1.采用运动目标检测作为行人检测的预处理，通过运动目标检测获取感兴趣的目标区域，以此来缩小待检测图像的检测范围，获得加速的效果。本文介绍了一些经典的运动目标检测算法，并提出了混合型二轴映射方法，该方法是以背景差为基础，利用颜色信息熵以及HSV颜色空间信息来检测和筛选前景像素，然后使用二轴映射的方法快速获取运动目标区域。
　　2.使用模式识别的方式进行行人检测，其主要的部分有两个，一个是特征描述子的计算，另一个是模式分类器。特征描述子部分本文着重介绍了Haar特征、Sift特征以及本文所使用的HOG特征，模式分类器则有Adaboost算法、SVM算法等。另外，在具体实现过程中，滑动窗口法和包围盒合并算法也是行人检测中不可或缺的部分。
　　3.HOG特征结合模式分类器的算法是本文行人检测算法的基础，在此基础上，本文以运动目标检测作为预处理，用四个类高斯模板来加速HOG特征的运算，对SVM分类器的结构进行调整以简化支持向量，并最终将系统移植到GPU设备中，利用GPU的高性能并行运算能力加速行人检测。
　　实验表明，本文所采用的方法在保证检测准确率的情况下，大大地提高了检测效率。