收藏本站
《北京理工大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

单目图像序列中行人检测及跟踪技术

贺洋  
【摘要】:行人检测及跟踪是智能交通系统中的关键技术。由于单目图像具有便于获取的优点,因此在单目图像中检测并跟踪行人更具实际价值。一个成功的行人检测及跟踪系统依赖于检测过程中视觉特征的有效性和可靠的跟踪方法。首先,检测的难点来源于行人的表观模式变化较大,且应用场景背景较为复杂。其次,由于在跟踪中普遍存在遮挡和定位不准确的现象,从而容易发生漂移现象并导致跟踪的失败。针对上述问题,本文旨在设计一种有效的不考虑深度信息的特征用于检测,以及一种可靠的模板更新策略以缓解漂移问题给跟踪造成的困难。通道特征(Channel Feature)是行人检测中一种十分有效并快速的特征,这种底层特征并不包含语义信息。一个可能的提升方法是将通道特征和中层或高层特征相结合。近期,深度学习从大量无标签样本中通过非监督学习的方式得到特征。深度学习的应用使得计算机视觉中很多应用得到了显著的性能提升。得益于深度学习,本文提出深度通道特征的行人检测方法。对通道特征中的每个通道,本方法通过稀疏滤波方法学得一组滤波器,因此得到很多高层通道特征。结合深度通道特征和底层通道特征(即LUV通道,梯度强度通道,梯度直方图通道),本方法较基准方法取得了显著的提升。通过在公开数据集上的实验表明了该深度通道特征的有效性。在跟踪过程中,本文提出一种交替式模板更新策略来缓解漂移问题对跟踪造成的影响。该策略的目标是开发一种鲁棒的模型更新策略。在本文方法中,表观模型中有若干模块,交替式模板更新每次只更新一个模块,而其他模块保持不变。该策略使得我们的跟踪算法既可以一直更新,又可以保持之前的历史信息。当遮挡或不精准的跟踪结果出现时,它们只影响一个模块,而不会破坏其他模块,因此,本文方法可以利用其他模块实现跟踪。对每一个模块,本方法利用深度通道特征训练了一个在线贝叶斯分类器进行表观建模。为了将这些模块融合起来,本文提出了一个基于表观相似度和运动信息的评价准则。通过实验验证了本文跟踪算法和模板更新策略的有效性。
【学位授予单位】:北京理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.41

手机知网App
【相似文献】
中国硕士学位论文全文数据库 前1条
1 贺洋;单目图像序列中行人检测及跟踪技术[D];北京理工大学;2015年
中国知网广告投放
相关机构
>北京理工大学
相关作者
>贺洋
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026