视频监控中的行人检测与跟踪算法研究开题报告

全文总字数：1248字

1. 研究目的与意义

传统的视频监控已不能满足人们对于社会集成化、网络化的需求，随着人们生活水平的提高，一种全方位、全自动的智能监控系统随之产生。智能视频监控现在己经渗透到人们生活的各个方面，如交通流量统计、汽车安全、人脸检测、企业安防、刑侦、银行监控、医院等都可以看到视频监控的影响。智能监控利用计算机视觉与图像处理技术，对监控场景中的目标物体进行识别与跟踪，方便在出现意外情况时，人们可以快速准确地对目标物体进行检测与定位，并迅速采取措施。智能视频监控中行人的检测与跟踪已成为关键基础，因此具有重要的现实意义。课题研究视频监控中的行人检测与跟踪算法，对背景建模、运动目标检测、多目标跟踪等关键问题进行研究，对白天、夜晚不同光照条件下的算法性能进行评估。

2. 国内外研究现状分析

历史上大多数科技的更新，都以军事需求为原动力，智能视频监控也不例外。视频监控中的行人检测与跟踪一直是国内外学者研究的热点问题，该技术可广泛应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。目前国外很多学校和机构均设有计算机视觉小组，用于研究视频跟踪与目标检测，例如南加州大学和卡内基梅隆大学(CMU)、戴姆勒-克莱斯勒研发中心等；国内很多大学与研究机构也有相关研究小组，例如上海交通大学、清华大学等，均取得了较为优秀的研究成果。

目前行人检测方法大致分为以下几种：基于全局特征的方法、基于人体部位的方法、基于立体视觉的方法，其中基于全局特征的方法是目前较为主流的检测方法。主要的目标跟踪算法分为3类：基于图像区域的目标跟踪、基于前景检测的目标跟踪和基于分类器的目标跟踪。其中基于前景检测的目标跟踪适用于摄像头固定的场合，需要对背景进行建模，进而分割出前景，然后利用目标物体特征对其进行跟踪。在目标检测与跟踪中，利用矩形框来标记目标物体是最为广泛的方式，但其对于目标物遮挡问题不具备理想的处理效果，为解决此问题常采用不同组件来表示目标。

3. 研究的基本内容与计划

（1）背景建模：通过多帧平均、混合高斯建模等方法建立背景模型并实时更新,比较各建模方式适用场景；

（2）运动目标检测：通过帧差法检测运动像素，通过膨胀腐蚀运算、空洞填充、面积去噪、阴影去除等手段提取完整运动目标；

（3）行人识别：对运动目标检测结果进一步去噪，识别出行人目标；

4. 研究创新点

课题对于对白天、夜晚不同光照条件下的行人检测与跟踪算法性能进行评估，对于行人检测算法和多目标体跟踪算法有所优化。