基于HOG 特征和运动信息视频行人检测算法的研究.pdfVIP

中国科技论文在线 基于HOG 特征和运动信息的视频行人检测算法研究 刘 超 北京邮电大学计算机学院，北京 (100876) E-mail ：lchaobupt@ 摘 要：随着计算机技术的飞速发展，基于计算机视觉技术的智能视频监控成为一个研究热 点。从视频中进行行人检测是是智能视频监控中最为关键的一步。基于梯度方向直方图 （HOG ）的检测方法以其良好的检测效果得到很多研究者的广泛关注。然而，由于基于HOG 的检测方法需要大量的计算，实时性很难满足实际应用的需求。而基于运动信息的运动检测 算法，如背景差分法等，因为计算简单在很多实际系统中得到运用，但是在复杂场景下很难 获得较高的准确率。本文在背景差分算法和HOG 检测方法的基础上提出了基于HOG 特征 和运动信息想结合的行人检测算法，通过将多种特征有机结合，达到了行人检测的准确性和 实时性要求。实验结果证明了本文所提出的方法的正确性和有效性。 关键词：梯度方向直方图，背景差分，智能视频监控，计算机视觉 1 引言 智能视频监控[1] （Intelligent Video Surveillance，IVS ）指的是利用计算机视觉技术，对 摄像机拍摄得到的图像序列进行动态分析和理解，它借助计算机强大的数据处理功能，对视 频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，从而大大减轻人的工作量， 并提高监控的准确度。而行人检测是行人跟踪和分析的基础，是智能监控中非常关键的一步。 然而，由于受到目标姿态的变化，目标颜色的多样性，场景光线变化等影响，对行人进行检 测是一个非常困难的问题。 目前的检测算法大体可以分成两类：基于运动的行人检测算法和基于静态图像的行人检 测算法。基于运动的检测算法主要有背景差分法，帧差法，光流法等。其中背景差分法计算 简单，在实际系统中应用较为广泛。基于静态图像的行人检测算法主要包括基于模板的检测 算法，基于人体模型的检测算法和基于统计学习的检测算法等。 [2][3] HOG （Histogram of Oriented Gradient ）行人检测 是由Dalal等人提出的一种基于机器 学习的静态图像行人检测算法。其主要思想是利用小块上的梯度方向直方图来描述图像。通 过调整特征提取时的参数，HOG特征可以有效地描述人体的形状信息，同时对局部区域较 小的平移和旋转运动具有一定的不变性。Dalal提出的HOG特征结合SVM分类器进行行人检 测达到了很好的检测效果。然而，由于特征提取计算复杂，使得该方法速度很慢，很难的满 足实际应用系统的需求。 本文提出了基于运动信息和HOG特征相结合的行人检测算法，通过先进行计算量小的 背景差分算法，尽量缩减HOG检测区域。同时，通过统计学方法对目标搜索算法进行了优 化，从而大大提高了检测算法的效率。 2 算法基本结构 整个行人检测算法可以分为两个阶段：运动区域提取阶段和 HOG 行人检测阶段。在运 动区域提取阶段，我们采用背景差分算法，通过自适应背景更新模型来进行背景建模，然后 采用 OTSU 动态阈值算法来得到二值化图像，最后通过区域分割和校正算法得到最终的一 系列运动区域。 HOG 行人检测阶段，主要是在运动检测所提取出的运动区域中，分别在不同尺度下进 行金字塔式的 HOG 特征提取，使用线性 SVM 分类器进行分类，标记处行人信息，最后将 -1- 中国科技论文在线 不同尺度图像下以及不同区域中的行人进行融合得出最终行人检测结果。整个算法的基本结 构如图 1 所示。 图 1 算法基本结构图 3 运动区域提取 运动区域提取是指利用运动检测技术，提取出视频帧中的所有可能存在人的区域，以便 于后续在区域内进行更精确的 HOG 行人检测。本文采用背景差分算法来进行运动检测进而 提取运动区域。 3.1 背景差分