基于视频处理的行人检测和跟踪系统试题.docx

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