摘 要

视频中运动物体检测与跟踪，尤其是行人检测与跟踪，一直是相关领域研究的重点和难点。本文利用和工具对视频中行人检测与跟踪相关方法进行研究。本文研究思路为首先检测出视频中的运动物体，其次识别出其中的行人，最后对识别出的行人进行跟踪。研究内容如下：

(1)运动物体检测。首先对背景差分法、帧间差分法、光流法这三种方法进行比较分析，其次选择背景建模与高斯函数相结合的混合高斯背景建模法来进行运动物体检测。研究表明该方法提取出的物体轮廓相对完整清晰，并且背景噪声较少。

(2)行人检测。首先对特征、特征和特征这三种图像纹理特征进行分析，其次选取特征作为行人分类器的训练特征。研究表明大量行人样本训练的行人分类器能够检测出视频中行人。

(3)行人跟踪。本文采用基于滤波融合的跟踪算法，将算法与滤波相结合起来，来对行人发生遮挡时进行轨迹预测，以此来提高跟踪的准确性。研究表明该方法可以对目标进行有效跟踪。

通过实验表明，本文研究方案可以对行人进行检测和跟踪，方案正确。

关键词：行人检测；行人跟踪；混合高斯背景建模；支持向量机；行人分类器

Abstract

The detection and tracking of moving objects in video, especially pedestrian detection and tracking, has always been the focus and difficulty of research in related fields. In this paper, VS2017 and OpenCV tools are used to study the methods of detection and tracking in video. The research idea of this paper is to first detect the moving objects in the video, secondly identify the pedestrians, and finally track the identified pedestrians.The research contents are as follows:

(1) Detection of moving objects. Firstly, the background difference method, the inter-frame difference method and the optical flow method are compared and analyzed. Secondly, the mixed Gaussian background modeling method combining background modeling and Gaussian function is used to detect moving objects.The research shows that the contour of the object extracted by this method is relatively complete and clear, and the background noise is less.

(2) Pedestrian detection. Firstly, the apparent features of Haar feature, LBP feature and HOG feature are analyzed, and then the HOG feature is selected as the training feature of the SVM pedestrian classifier. Studies have shown that a large number of pedestrian sample trained pedestrian classifiers can detect pedestrians in the video.

(3)Pedestrian tracking. In this paper, the Meanshift tracking algorithm based on Kalman filter fusion is used to convert Meanshift. The algorithm is combined with Kalman filtering to make track reservations when pedestrians are occluded, thereby improving the accuracy of tracking. Studies have shown that this method can effectively track the target.

The experimental results show that the research scheme of this paper can detect and track pedestrians, and the scheme is correct.

Key Words：pedestrian detection；pedestrian tracking；mixed Gaussian background modeling；support vector machine；pedestrian classification

目 录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 1

1.3课题研究内容 3

第2章 行人检测与跟踪系统 4

2.1系统方案 4

2.2系统实现 4

2.3噪声抑制 6

2.4形态学处理 8

2.5本章小结 9

第3章 运动物体检测 10

3.1运动目标检测的典型方法 10

3.1.1背景差分法 10

3.1.2光流法 10

3.1.3帧间差分法 11

3.2基于混合高斯背景建模的运动物体检测方法 12

3.2.1混合高斯背景建模原理 12

3.2.2混合高斯背景建模算法实现过程 12

3.3实验结果与分析 13

3.4本章小结 15

第4章 行人检测 16

4.1 图像纹理特征 16

4.1.1 Harr特征 16

4.1.2 LBP特征 17

4.1.3 HOG特征 17

4.2 支持向量机 19

4.3 HOG特征和SVM结合的行人分类器 20

4.4 实验结果与分析 21

4.5 本章小结 22

第5章 行人跟踪 23

5.1 基于Kalman滤波融合的Meanshift跟踪算法 23

5.1.1 Meanshift算法 23

5.1.2 Kalman滤波 25

5.2 实验结果与分析 26

5.3 本章小结 28

第6章 总结与展望 29

6.1 总结 29

6.2 展望 29

参考文献 31

致 谢 32

第1章 绪论

1.1研究背景及意义

智能视频监控^[1]已成为，其中又是智能视频监控中的，也是行为识别和行为分析等后续各种高级应用实现的前提。对监控视频中的运动物体进行识别和跟踪，不仅可以管理日常工作，而且还能够对运动物体的异常行为及时响应。在智能视频监控系统中。由于行人自身的因素，即容易被遮挡、姿态多样性和运动随意性，因此研究相关算法对于改善智能视频监

其次，行人检测与跟踪不仅，而且。现在该技术已经在日常生活中发挥了很大的作用，主要有以下几个方面：

(1)智能监控

智能监控系统在银行和大型商场等对安全严格要求的场所能够对监控视频进行分析^[1]，并将行人检测出来以及对那些危险行为进行报警，这样不仅可以减少人力物力的投入，而且还可以提高监控的效率。智能监控系统可以对重要场所进行实时的行人检测与跟踪，然后根据行人的状态分析其行为，判断行为是否异常，以便及时发出警告，或者发出警报，以便及时提供帮助，因此智能视频监控系统能够很好改善人们的生活安全。

(2)辅助驾驶