[发明专利]一种快速行人检测与跟踪的方法

说明书

本发明提出一种基于Vibe融合HOG‑SVM方案的快速行人检测与跟踪的方法，1)利用前景检测找出移动目标所在区域；2)仅在这些移动目标所在区域内执行行人检测过程，若检测到行人，记录其位置并转至步骤3)；若没有检测到行人，则重复步骤1)、2)；3)利用模板匹配算法首先在该位置所在区域搜索行人，而在跟踪过程中，若HOG+SVM检测行人失败时，则模板匹配算法根据上一次检测模板来跟踪行人最有可能的位置；该方法具有较好的精度和实时性。

技术领域

本发明涉及行人检测与跟踪技术领域，具体讲是一种快速行人检测与跟踪的方法。

背景技术

目前，行人检测的主要任务是从视频序列中发现动态行人。随着计算机视觉的发展，行人检测在智能辅助驾驶，智能监控，行人分析和智能机器人等领域得到了广泛的应用。然而，由于现实生活背景的复杂性，行人姿势的多样性和拍摄角度的多样化，我们要快速有效地从视频中提取行人是一个巨大的挑战。通过这种方式，行人检测一直是计算机视觉研究领域的一个热门话题。目前，行人检测方法主要分为两种：传统的行人检测方法和基于机器学习的行人检测方法。机器学习是目前行人检测的主流方法。它主要利用静态图像中的边缘，形状和颜色等图像特征来描述行人区域。其中，一些特征可以用来很好地检测行人，如Haar 小波特征，HOG特征，Edgelet特征，Shapelet特征和形状轮廓模板特征等。

目标跟踪是实时定位感兴趣的个别或多个特定对象并获得准确的运动状态。运动物体的外观，轮廓，位置和运动状态在相邻视频帧中具有良好的稳定性和相似性。目标及其周围背景在图像外观上有一些差异。根据这些基本条件，跟踪算法提取描述目标外观的特征，或建立与背景不同的目标模型。目标跟踪算法可以主要分为基于活动轮廓模型的跟踪，基于特征的跟踪，基于区域的跟踪和基于模型的跟踪等。与基于机器学习的方法相比，它们具有各自的优势：它们是通常计算过载率低，不需要收集大量的行人或非行人样本。

直方图梯度(HOG)特征用于目标识别，由Dalal和Triggs于2005年提出。 Dalal将HOG特征与SVM分类器相结合，实现了行人检测领域的突破。HOG特征方法密集地提取图像窗口中定向梯度的局部直方图，可以完全提取行人形状信息和外观信息。它具有极好的辨别力，可以区分行人和其他目标。但是计算HOG 特征需要密集和复杂的扫描，这极大地导致了高计算复杂性和降低的实时性能。

综上所述，行人检测与跟踪的方法存在精度(准确性)和实时性两者的矛盾问题，本申请人旨在进一步研究，兼顾精度和实时性，提出一种快速行人检测与跟踪的方法。

发明内容

本发明所要解决的技术问题是，克服现有技术的缺陷，提供一种基于Vibe 融合HOG-SVM方案的快速行人检测与跟踪的方法，该方法具有较好的精度和实时性。

为解决上述技术问题，本发明提出一种快速行人检测与跟踪的方法，包括以下步骤：

1)利用前景检测找出移动目标所在区域，该步骤中：基于HSV颜色空间的算法删除目标阴影，然后利用Vibe方法、侵蚀和扩张、四邻域的行人轮廓算法和边界扩展来从视频中提取移动目标所在区域；

2)仅在这些移动目标所在区域内执行行人检测过程，该检测过程包括：计算提取所述区域的HOG特征，然后将其发送到SVM分类器，以检测移动目标所在区域内是否有行人；若检测到行人，记录其位置并转至步骤3)；若没有检测到行人，则重复步骤1)、2)；

3)利用模板匹配算法首先在该位置所在区域搜索行人，而在跟踪过程中，若HOG+SVM检测行人失败时，则模板匹配算法根据上一次检测模板来跟踪行人最有可能的位置；在匹配时，设置一个计时器，当模板匹配的持续时间超过n秒时，将被视为丢失行人，视为模板匹配失败，在模板匹配失败的情况下，使用 Vibe+HOG+SVM算法在当前整个视频帧上重新初始化行人跟踪。