基于视频流的人群目标识别和跟踪的研究

论文摘要

人体识别和跟踪在智能监控系统、高级人机交互、动画制作等方面有着广泛的应用,也是近年来计算机视觉研究领域中备受关注的前沿技术。对图像序列中的运动人体快速而准确的识别和跟踪是对行为进行有效理解的基础。论文在VisualC++6.0平台下,采用计算机视觉库OpenCV,对视频中人群目标个体的检测、识别和跟踪开展研究。首先训练了一个SVM分类器对轮廓进行分类识别,选用包含人体轮廓和不包含人体轮廓的二值图像作为正负样本,以像素值作为样本特征提取样本特征向量,利用主成分分析对样本特征向量进行降维,并用降维后的特征向量训练分类器。然后利用背景消减法进行运动检测,分割出运动目标轮廓,用分类器对其分类识别。经验证,该方法可快速准确的识别静态背景中出现的人体目标。接着对识别出的人体目标,建立其上半身的颜色直方图模型,采用Camshift算法对其跟踪,结合Kalman滤波器的预测功能优化了Camshift算法的迭代次数,同时通过跟踪窗口大小和直方图相似性判断目标是否被遮挡,实现了目标被遮挡时的跟踪。最后设计了一个简单的人群目标识别和跟踪系统,实现了特定情况下人群目标的实时识别和跟踪。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景与意义
• 1.2 人群识别和跟踪现状
• 1.3 人群识别和跟踪技术
• 1.3.1 运动目标检测
• 1.3.2 目标识别技术
• 1.3.3 目标跟踪技术
• 1.4 OpenCV库简介
• 1.5 论文的主要工作
• 第2章 SVM分类器
• 2.1 SVM介绍
• 2.1.1 线性支持向量
• 2.1.2 非线性支持向量
• 2.2 图像及图像特征的提取
• 2.2.1 样本图像的选取
• 2.2.2 图像特征的提取
• 2.3 PCA降维
• 2.3.1 PCA原理
• 2.3.2 主成分个数的确定
• 2.4 SVM分类器训练
• 第3章 运动检测与目标识别
• 3.1 背景消减法
• 3.2 目标轮廓的处理
• 3.2.1 图像预处理
• 3.2.2 提取目标轮廓
• 3.2.3 调整图像大小
• 3.3 检测和识别流程
• 3.4 运动检测和分类器的验证
• 3.5 对运动目标检测的改进
• 第4章 人体目标跟踪
• 4.1 概念介绍
• 4.1.1 颜色空间
• 4.1.2 颜色直方图
• 4.1.3 反向投影图
• 4.2 Kalman滤波器
• 4.2.1 Kalman滤波器原理
• 4.2.2 利用Kalman滤波器预测目标位置
• 4.3 Camshift算法
• 4.3.1 Mean Shift原理
• 4.3.2 Camshift算法实现
• 4.4 结合Kalman与Camshift的目标跟踪流程
• 4.5 Kalman预测对Camshift跟踪的影响
• 4.5.1 微观上对Camshift跟踪优化
• 4.5.2 宏观上处理一定程度的遮挡
• 第5章 基于视频流的人群目标识别与跟踪
• 5.1 识别和跟踪整体框架设计
• 5.2 检测和识别的封装
• 5.2.1 运动检测函数GetWindow
• 5.2.2 目标识别函数VerfyDetect
• 5.3 目标跟踪的封装
• 5.4 简易图形界面设计
• 5.5 自动的人群目标识别和跟踪实时性验证
• 第6章 结论
• 6.1 本文工作总结
• 6.2 存在的不足和改进方案
• 参考文献
• 致谢