监控视频中的车及行人检测.pdfVIP

Master Dissertation Submitted to Shanghai Jiao Tong University VEHICLE AND PEDESTRIAN DETECTION IN SURVEILLANCE VIDEO Author: Yan Qing Advisor: Prof. Yang Xiaokang Lecturer Xu Yi Specialty: Signal and Information Processing Institute of Image Communication and Information Processing School of Electronic, Information and Electrical Engineering Shanghai Jiao Tong University May 2009 监控视频中的车辆及行人检测 摘 要 监控视频中的车辆及行人检测，是智能视频处理的一个重要问题，因其融合多学科 技术、拥有广阔市场前景而成为世界范围内各研究机构、公司企业的研究开发重点。但 是，在多种动态变化场景中和不同拥挤程度下，稳定、准确地实现车辆与行人检测，仍 然是难以很好实现的挑战性课题。 本文介绍了前景检测方法和不同环境下车辆、行人检测方法的研究与发展现状，针 对不同应用环境，提出了不同的检测方法，并在以下几个方面做了一些探索性工作： 1. 为了克服现有前景检测算法易受场景动态变化影响、前景分割不够准确完整的问 题，本文在基于高斯混合模型的经典前景检测算法基础上，引入时间一致性分析 简化运算、利用空间信息滤除噪声、以区域增长的方式完成前景分割，从而抑制 背景动态变化干扰、准确分割物体并保留物体的清晰轮廓。此外，将颜色圆锥模 型和局部二元模式相结合，在实现了大面积阴影有效去除的同时保证深色运动物 体不受干扰。 2. 为了使道路监控视频中车辆检测不再局限于特定拍摄方向、特定区域范围和特定 光照环境的约束，本文提出更为鲁棒的形状、角点、直线等多种几何不变性特征， 并利用支持向量机模型对特征进行学习训练。通过与常用的小波变换系数特征和 区域局部二元模式特征进行比较，证明本文特征在运算时间和识别效果的优越 性。 3. 为了解决拥挤环境下行人难以彼此有效快速分割的问题，本文采用分层结构，首 先综合前景轮廓与形状的信息，进行行人的初步定位和尺度的基本估计，然后利 用 HoG 描述子完成行人的最终确认。该方法可同时提高行人检测的速度与精度， 为后续事件分析提供准确的对象描述。 第 I 页 上述工作在多种现实场景下的监控视频中进行了系统的测试，结果表明，本文的方 法可以较好的实现不同环境下车辆和行人的检测。同时，基于本文方法的事件检测系统， 在 TrecVid1 2008 国际事件检测大赛中获得最佳事件检测结果的好成绩。 关键词： 车辆、行人检测，前景检测，支持向量机 1 TrecVid 是由美国高级研发署和美国国家标准局资助的视频检索测评系统，现已成为视频检测领域中的国际性权威 评测 第 II 页 VEHICLE AND PEDESTRIAN DETECTION IN SURVEILLANCE VIDEO ABSTRACT Vehicle and pedestrian detection in surveillance video is a fundamental topic