面向行人群信息提取的视频图像目标跟踪算法研究

摘要

交通作为城市社会经济发展中的纽带和动脉，具有举足轻重的地位。随着我国城镇化建设的不断推进，城市结构变化、规模扩大、人口增长，城市交通越来越复杂，交通拥挤、交通污染和交通安全等问题日益突出，城市交通问题已成为制约社会经济生产，影响民生的重要问题。行人作为交通系统的主要参与者，其活动、特征是影响交通系统设计、运行的重要因素。行人与机动车干扰、行人拥挤、行人交通安全等问题已经成为城市交通中严重的现实问题。《国家中长期科技发展规划纲要(2006-2020)》明确提出优先发展智能交通系统的战略决策，采用高新技术改造现有城市交通系统，提高其运行效率及服务质量，成为缓解交通问题的有力手段之一。
　　将计算机视觉技术应用于交通数据采集领域一直是智能交通系统的一个重要研究方向。基于视频图像处理和模式识别技术采集交通数据，与传统的检测方法相比，安装灵活，维护成本低，可提供丰富的交通数据。发达国家在交通视频检测方面进行了大量的理论研究与工程实践，大多以车辆为检测对象，较少考虑行人交通，因此，现有的方法不能有效获取实时行人交通数据，且不适合我国城市混合交通环境。分析和判断行人交通的运行规律、行人对机动车的干扰机理以及行人对信号交叉口通行能力的影响等，能够有效地管理和控制城市道路交通，科学规划设计公共交通设施，合理分配交通资源，解决我国城市特有的交通问题。在此背景下，我国在行人检测领域的研究逐步展开，具有良好的应用前景。
　　本论文以行人的交通特征为理论依据，以计算机视觉和模式识别为主要技术手段，以行人为检测对象，提出视频检测的理论与方法，并通过实际交通视频进行验证，分析系统运行结果的可靠性，为实际应用奠定基础。
　　本论文主要创新成果如下:
　　①对于摄像机标定，通过分析实际交通视频中场景特点划分场景类型，针对不同类型场景提出相应摄像机标定算法。根据道路边缘及路面上行人包含的几何约束关系，提出通常道路拍摄场景下摄像机标定方法;对允许行人过街道路交叉口拍摄场景，利用人行横道线包含的几何约束关系提出摄像机标定方法。通过充分利用实际交通视频场景中的几何约束条件，无需摆放特定的标定物体，可标定摄像机参数。
　　②在运动对象检测部分，提出自适应块均值的改进密码本模型。考虑像素之间的时间、空间联系，提出改进密码本框架。在此基础上，与HSV色彩空间结合，定义码本间相似度并据此精细化码本，并根据背景变化自适应调整图像块尺寸，提出自适应块均值的改进密码本模型。改进后模型可以处理动态多峰背景，得到较完整的检测对象区域，检测噪声容易处理，同时提高运算速度。
　　③对于目标跟踪，提出核窗口尺寸和目标模型自适应的改进均值漂移跟踪算法，并针对跟踪中可能产生的遮挡，提出多行人目标间遮挡处理方法。基于目标尺度方向估计，调整算法核窗口尺寸及核权重分布，以克服跟踪中背景干扰。基于目标变化剧烈程度定义及度量，构建目标模型更新机制，使目标模型能够自适应目标变化，提高跟踪精度。提出多信息融合算法融合目标颜色和运动信息，以克服多信息间误差叠加问题。定义遮挡因子描述多目标间遮挡状态，给出相应遮挡处理方法，以有效处理两目标间及更多目标参与的遮挡问题。
　　④在行人识别及数量统计方面，提出基于行人特征识别行人目标，并依据形状模型给出面向人群的行人计数方法。结合摄像机标定和目标跟踪算法，提取运动目标速度及目标图像面积信息，并据此建立行人目标分类准则。构建三维形状模型描述行人人群形状。给出形状模型对行人人群形状的最优估计及模型初始解求取方法，据此基于摄像机参数标定结果，提取行人人群占地面积，以计算当前帧行人目标数量。当行人目标团间发生合并与分离时，给出行人计数处理方法。

目录

声明

致谢

摘要

图清单

表清单

1 绪论

1．1 研究背景

1．2 研究意义

1．2．1 理论意义

1．2．2 现实意义

1．3 研究目的与内容

1．4 研究方法与技术路线

1．5 论文框架结构

2 国内外研究综述

2．1 城市交通数据采集方法研究现状

2．1．1 固定型采集技术

2．1．2 移动型采集技术

2．2 行人视频检测方法研究现状

2．2．1 行人视频检测系统现状

2．2．2 行人视频检测方法理论框架

2．3 本章小结

3 摄像机标定

3．1 背景介绍

3．2 基本概念

3．2．1 摄像机针孔模型

3．2．2 常用坐标系

3．2．3 常用坐标系变换

3．3 实际行人交通场景下单摄像机标定算法

3．3．1 交通视频场景特征分析及分类

3．3．2 不同场景单摄像机标定算法

3．3．3 实验结果及分析

3．4 本章小结

4 运动对象检测

4．1 背景介绍

4．2 基本概念

4．2．1 色彩空间

4．2．2 密码本模型

4．3 自适应块均值的改进密码本模型

4．3．1 改进密码本框架

4．3．2 改进密码本模型

4．3．3 实验结果及分析

4．4 本章小结

5 目标跟踪

5．1 背景介绍

5．2 基本概念

5．2．1 均值漂移跟踪算法

5．3 改进均值漂移目标跟踪算法

5．3．1 目标尺度方向估计

5．3．2 核窗口尺寸确定及核权重分布

5．3．3 目标模型更新

5．3．4 实验结果及分析

5．4 遮挡处理

5．4．1 多信息融合算法

5．4．2 遮挡因子

5．4．3 遮挡判断及处理

5．4．4 实验结果及分析

5．5 本章小结

6 行人目标识别及数量统计

6．1 背景介绍

6．2 基本概念

6．2．1 求解无约束最优化问题的有限记忆BFGS算法

6．3 行人基本特征

6．4 目标分类

6．5 数量统计方法

6．5．1 形状模型

6．5．2 形状模型最优估计

6．5．3 数量统计

6．5．4 行人目标间合并与分离

6．6 实验结果及分析

6．7 本章小结

7 主要研究成果与展望

7．1 主要研究成果

7．2 研究展望

参考文献

作者简历

学位论文数据集