人体目标检测与跟踪算法研究

人体目标检测与跟踪算法研究

摘要：近些年以来，基于视频中人体目标的检测与跟踪技术研究越来越被重视。然而，由于受到目标自身特征多样性和目标所处环境的复杂性和不确定性的影响，现存算法的性能受到很大的限制。本文对目前所存在的问题进行了分析，并提出了三帧差分法和改进阈值分割法相结合的运动目标检测算法和多特征融合的改进运动目标跟踪算法。这两种算法不仅可以准确有效的检测出运动目标而且能够满足实时性的要求，有效的解决了因光照变化和目标遮挡等情况造成的运动目标跟踪准确度下降或跟踪目标丢失等问题。

关键词：三帧差分，Camshift，阈值分割

Research Based on Human Target Detectionand Tracking Algorithm

Abstract: In recent years, human object detection and tracking become more and more important. However the complexity, uncertainty environment and the target’s own diversity limit the performance of existing algorithms. The main works of this paper is to study and analysis the main algorithm of the human object detection and tracking, and proposes a new moving target detection method based on three-frame difference method and threshold segmentation and improved Camshift tracking algorithm based on multi-feature fusion. These algorithm can satisfy the real-time, while accurately and efficiently detect moving targets, and also effectively solves the problem of tracking object lost or misplaced under illumination change or target occlusion.

Keywords: three-frame difference, Camshift, threshold segmentation

一、绪论

（一）选题的背景和意义

人类和动物主要通过眼睛来感受和认知外部世界。人类通过视觉所获取的信息占了60%[1]，因此，在开发和完善人工智能的过程中，赋予机器视觉的功能这一操作极不可缺少。完善上述功能需要以许多技术为基础，特别是运动目标的检测与跟踪技术。近些年以来，此技术受到了越来越多的关注[2]。目前，此技术也在各领域得到了充分的应用，涵盖的领域有智能交通、导航、智能视频监控、精确制导、人机交互和多媒体视频编码压缩技术等。

（1）智能交通。运动目标检测与跟踪技术作用于交通管理系统中可以使交管人员实时的监控交通情况。此技术可以有效的帮助预防交通事故的发生，对突发事件和紧急情况能够做出相应和及时的处理。例如Coifman建立的视频图像处理系统能够对视频监控区域内的不同车型进行分割，可以对感兴趣的车辆进行跟踪及对道路的车流量进行实时监控[3]。

（2）智能视频监控。运动目标检测与跟踪技术可用于对特定的运动目标进行实时的跟踪，然后描述和判定其行为，最后对目标行为的异常情况做出及时的处理[4]。目前、智能监控系统发展的关键在于如何实现实时、可靠和稳定的目标跟踪技术。

（3）机器人视觉导航。要想能够自主的运动，智能机器人就需要有能力去感知和识别外部事物。实现这一功能的主要方法是通过从摄像机或照相机等仪器设备获得外界环境信息，再对特定目标进行跟踪。

（4）人机交互。该技术主要是让计算机理解人对其发出的指令。

综上所述，从科技发展和现实意义来说，人体目标的检测和跟踪技术具有重要价值。当这一技术运用到现实中时，往往易受到多方面的影响，如目标产生非刚性形变、背景和目标难以区分和目标被遮挡。所以该技术仍然面临着许多困难的问题，且有许多难题需要得到解决。

（二）国内外研究现状

在国外，许多发达国家对视频中运动目标的检测与跟踪识别十分重视。在20世纪末，麻省理工学院与卡内基梅隆大学联合参与了一个由美国国防部提出的重大视频监控项目(Visual Surveillance And Monitoring)，开发了一套多领域应用的智能视频监控系统。[5]。到21世纪，粒子滤波理论被提出来并取得了快速的发展，使运动目标的检测与跟踪技术的研究有了新的发展空间。等在粒子滤波的基础上开发了一个新的运动目标检测与跟踪方法[6]，详细分析了算法的性能并进行了实现，进一步完善了粒子滤波跟踪理论[7]。国外的许多商业机构也对运动目标的跟踪与识别技术进行了大量的研究，例如法国的Citilog公司，美国的微软、谷歌等公司，并将其研究成果应用到产品研发中。

相较而言，国内的研究起步要晚。但是近些年来，一些科研院所和高校也已经逐步开始研究这个项目，并取得了成功。如上世纪末，中科院自动化研究所研