- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于视频处理的行人检测和跟踪系统
?
摘 要:行人检测和跟踪在智能视频监控、智能交通、汽车自动驾驶或辅助驾驶系统中均有广泛应用。本文选取 OpenCV 作为主要开发工具,设计并实现了智能监控系统中对感兴趣区域的行人进行检测、跟踪、计数和对异常行为进行报警的功能。行人检测阶段,引入自己提出的低维度SVM行人分类器和第二线程思想来实施精确行人检测。实验表明本系统具有较高的识别率,并能达到实时处理的实际应用需求。
关键词:行人检测,行人跟踪,行人计数,危险报警,智能视频监控.
Pedestrian Detection and Tracking in Intelligent Video Monitoring Systems
Chen Yuanyuan1,2, Guo Shuqin2, Wang Xiaoling1, Shou Na1, Zhang Biaobiao1,
Miao Guojing1, Ma Rui1, Du Kelin1
? Enjoyor Labs, Enjoyor Inc., Hangzhou 310030
? College of Information Engineering, Zhejiang University of
Technology, Hangzhou 310032
Abstract: Pedestrian detection and tracking technologies have been widely applied to intelligent video surveillance, intelligent transportation, automotive automatically driving or driving-assistance systems. We select OpenCV as the development tool to implement pedestrian detection, tracking, counting and risk warning in a video segment. Experiments indicate that the system has a high recognition accuracy, and can operate in real time.
Keywords: Pedestrian detection, pedestrian tracking, pedestrian counting, risk warning, intelligent video monitoring,.
? 1.引言
基于视频处理的行人检测和跟踪是智能视频监控、智能交通等领域的一个重要课题[1],直接影响到行人计数、行人闯红灯等后续行为分析的效果。具体来说,它是指在一段视频图像序列中自动检测出用户感兴趣的目标,并且在后续的序列中持续对该目标进行定位的过程。目前,该技术主要针对于银行、军队、交通、广场、大型购物超市、储物仓库等高安全要求的场合地点,利用行人的检测和跟踪技术实时地检测行人,并后续分析大规模聚集、抢劫、盗窃等异常行为。
? 2. 系统组成
本系统以Visual Studio 2010为开发平台,采用OpenCV作为主要开发工具,并根据系统需要对几个关键函数进行改进,最终实现了对智能视频监控中的行人进行检测、跟踪、统计和对某些异常行为的检测和报警。图1是系统工作框图,主要由五部分组成:1、制作系统的展示界面,实现加载、播放行人视频。2、通过与背景做差得到所加载视频中的前景运动目标。3、根据前景目标形状特征、抽象特征筛选出目标中的行人。4、选择感兴趣的一个或多个目标,实时跟踪并画出目标轨迹。5、分析上述位置信息和轨迹,统计行人数目和对某些越界行为进行报警。
图1 系统工作框图
? 3. 系统工作原理
? 3.1 行人检测
行人检测即检测视频中每帧的行人目标,并将其按顺序标记存储到容器中。在摄像头固定的视频处理中行人检测方法总体上可归纳为三类:光流法、帧间差法和背景差法。本系统采用背景差分法[2],它简单易于实现。图2给出了本系统行人检测的流程图,由主线程模块和辅助线程模块两部分组成。
主线程模块功能:首先通过与背景做差得到所加载视频中的前景目标,并利用行人形状特征(比如:宽高比、面积)初步筛选出目标中的行人;然后,利用输入为低维度HOG特征、输出为隶属于行人的概率值的SVM行人分类器对前景进一步精确识别,同时,把所有隶属分类不明确的前景目标顺序存储到队列中;最后,输出主线程模块行人检测的结果。辅助线程模块功能:调用输入特征维数较高的SVM分类器对主线程存储的隶属分类不明确的前景目标进行再识别处理。考虑到计算机线程利用有效率问题
文档评论(0)