行人視頻檢測(cè)與跟蹤方法分析

段凌涵

智能技術(shù)與信息化技術(shù)在交通系統(tǒng)中的應(yīng)用，實(shí)現(xiàn)了視頻檢測(cè)與跟蹤目的，可以在視頻圖像內(nèi)發(fā)現(xiàn)定位以及跟蹤目標(biāo)，對(duì)提高視頻監(jiān)控效率具有重要意義。本文對(duì)行人視頻檢測(cè)和跟蹤方法技術(shù)要點(diǎn)進(jìn)行了簡(jiǎn)單分析。

【關(guān)鍵詞】交通行人 視頻檢測(cè) 跟蹤方法

通過(guò)視頻來(lái)對(duì)行人進(jìn)行視頻和跟蹤，一直都是視頻監(jiān)控研究要點(diǎn)。因?yàn)闄z測(cè)環(huán)境復(fù)雜性高，檢測(cè)視頻質(zhì)量很容易受到外部因素干擾，再加上行人動(dòng)作隨意性和不可預(yù)測(cè)性，實(shí)際應(yīng)用中還存在較大問(wèn)題，需要對(duì)技術(shù)做更深入的研究，爭(zhēng)取進(jìn)一步提高檢測(cè)和跟蹤穩(wěn)定性。

1 行人檢測(cè)與跟蹤研究

對(duì)于視頻監(jiān)控來(lái)說(shuō)，行人作為主要監(jiān)控對(duì)象，需要保證對(duì)其檢測(cè)與跟蹤的有效性和穩(wěn)定性。近年來(lái)針對(duì)此方面，已經(jīng)逐漸提出更多行人檢測(cè)與跟蹤算法，算法準(zhǔn)確性在不斷提高，可以更及時(shí)發(fā)現(xiàn)行人存在的異常行為，對(duì)減少事故的發(fā)生具有重要意義。其中，行人檢測(cè)視頻監(jiān)控系統(tǒng)研究要點(diǎn)，與其他目標(biāo)星幣，行人具有更大不可預(yù)測(cè)性，在直立行走時(shí)，人體形狀變化不明顯，但是出現(xiàn)彎腰、下蹲等行為時(shí)，人體形狀變化非常大。并且行人檢測(cè)結(jié)果還會(huì)受到裝飾物品、著裝、等因素干擾，要求行人檢測(cè)魯棒性可以適應(yīng)多種情況算法，為后續(xù)跟蹤打好基礎(chǔ)。而對(duì)視頻內(nèi)行人目標(biāo)進(jìn)行跟蹤，就需要對(duì)視頻序列內(nèi)對(duì)每一幀圖像內(nèi)目標(biāo)，通過(guò)與相鄰幀間聯(lián)系，準(zhǔn)確定位目標(biāo)在圖像序列幀中的坐標(biāo)位置。在這個(gè)過(guò)程中，如果每幀圖像中目標(biāo)特征不存在較大變化，跟蹤結(jié)果比較穩(wěn)定；但是如果在這個(gè)過(guò)程中出現(xiàn)形變、遮擋等情況時(shí)，跟蹤穩(wěn)定性差，跟蹤算法設(shè)計(jì)難度大。

2 行人檢測(cè)技術(shù)分析

2.1 檢測(cè)模型

對(duì)視頻圖像來(lái)說(shuō)，與其他特征相比，人體膚色具有更穩(wěn)定性，不受旋轉(zhuǎn)、尺度變化等影響，同時(shí)根據(jù)顏色空間的膚色分割更為簡(jiǎn)單，可以將其作為依據(jù)建立行人檢測(cè)模型。即根據(jù)行人膚色在顏色空間中的分布情況，來(lái)與其他物體進(jìn)行區(qū)別，并分割出膚色區(qū)域。膚色為人體暴露在外區(qū)別與其他部位的顯著特征，與尺寸變化、表情、姿勢(shì)等相比具有更強(qiáng)魯棒性，且對(duì)于分割圖像具有更強(qiáng)實(shí)用性。目前膚色檢測(cè)模型主要包括膚色統(tǒng)計(jì)模型、固定閾值模型、混合高斯模型以及自適應(yīng)閾值模型等。

2.2 算法流程

2.2.1 YCbCr聚類圖

膚色在顏色空間分布具有局類型特點(diǎn)，并且容易受光照干擾，基于膚色進(jìn)行行人檢測(cè)時(shí)，需要將圖像轉(zhuǎn)換到亮度與色度分離顏色空間，根據(jù)亮度分量來(lái)區(qū)別膚色和非膚色差別。其中，YCbCr顏色空間具有較高膚色聚類效果，可以根據(jù)其來(lái)建立膚色模型。為降低環(huán)境光照強(qiáng)度干擾，可以建立基于亮度信息的Cb與Cr聚類圖，根據(jù)光照強(qiáng)度查表來(lái)確定膚色范圍，可提高膚色檢測(cè)準(zhǔn)確性。

2.2.2 膚色區(qū)域分割

輸入視頻圖像后，將其由RGB顏色空間轉(zhuǎn)換YCbCr顏色空間，并根據(jù)查詢所有像素點(diǎn)，來(lái)建立YCbCr聚類圖，確定是否為膚色，建立最初膚色區(qū)域二值圖。并且，為提高目標(biāo)人臉定位準(zhǔn)確性，可利用形態(tài)學(xué)方法處理二值圖，即腐蝕消除背景圖中誤差，然后利用膨脹算法將膚色塊內(nèi)孔洞消除。

2.2.3 行人目標(biāo)定位

膚色分割后形成人臉候選區(qū)域，包括人臉區(qū)域以及胳膊、手等非人臉區(qū)域，還包括與膚色顏色類似的背景、服飾等區(qū)域，需要進(jìn)一步篩選定位。例如可以通過(guò)人臉面積和長(zhǎng)度進(jìn)行條件篩選，根據(jù)實(shí)際情況分析，大部分人頸部裸露在外，人臉長(zhǎng)寬比加大，需要對(duì)閾值范圍進(jìn)行調(diào)整，確定滿足所有條件的區(qū)域便為人臉。

3 Mean Shift行人跟蹤技術(shù)分析

3.1 目標(biāo)圖像建模

在視頻序列第一幀中建立目標(biāo)模型，目標(biāo)區(qū)域多為矩形和橢圓形，以{xi}i=1…n表示目標(biāo)區(qū)域內(nèi)像素，像素總數(shù)為n，將區(qū)域中心坐標(biāo)點(diǎn)作為中心點(diǎn)x0。膚色特征不受旋轉(zhuǎn)干擾，應(yīng)用Mean Shift算法進(jìn)行行人跟蹤，便可以應(yīng)用顏色模型進(jìn)行特征統(tǒng)計(jì)，對(duì)跟蹤視頻圖像序列顏色空間進(jìn)行區(qū)間劃分。

3.2 候選目標(biāo)建模

假設(shè)在視頻中以后各幀圖像中，相鄰圖像均存在重合部分，即各幀圖像內(nèi)均包含運(yùn)動(dòng)目標(biāo)區(qū)域。候選目標(biāo)區(qū)域中像素點(diǎn)以序列{yi}i=1…n表示，其中中心點(diǎn)為y，應(yīng)用想用核函數(shù)K（x），則候選模型中各個(gè)bin概率密度特征值Pn（u=1…m）為：

3.3 判斷相似性

假設(shè)以后每幀中均存在若干個(gè)候選區(qū)域，與目標(biāo)模型相似度最高的區(qū)域則為目標(biāo)在這一幀圖像中所處位置。Mean Shift算法在判斷目標(biāo)相似性時(shí)，采用Bhattacharyya系數(shù)為相似性函數(shù)，因?yàn)楹蜻x模型中心y不確定，則相似性函數(shù)則是以y為自變量的函數(shù)，即：

其中，系數(shù)p（y）值越大，距離d（y）越小，候選模型與目標(biāo)模型相似度越高，選擇p（y）最大值候選區(qū)域?yàn)槟繕?biāo)在這一幀內(nèi)所處位置。

3.4 目標(biāo)定位

為確定Bhattacharyya系數(shù)最大值，要將前一幀目標(biāo)區(qū)域中心坐標(biāo)x0作為當(dāng)前幀中目標(biāo)區(qū)域初始位置y0，然后在該點(diǎn)領(lǐng)域內(nèi)進(jìn)行目標(biāo)搜索，獲得目標(biāo)真實(shí)位置后，在繼續(xù)對(duì)下一幀進(jìn)行運(yùn)算。

4 結(jié)束語(yǔ)

對(duì)行人檢測(cè)和跟蹤技術(shù)進(jìn)行分析，需要確定視頻內(nèi)行人目標(biāo)特點(diǎn)，選擇不受外部因素干擾的因素，利用有效算法來(lái)對(duì)行人進(jìn)行區(qū)別定位與跟蹤，滿足視頻監(jiān)控實(shí)際應(yīng)用要求，提高視頻監(jiān)控管理綜合效果。

參考文獻(xiàn)

[1]劉璐.行人視頻檢測(cè)與跟蹤方法研究[D].北京交通大學(xué)，2015.

[2]陳慧杰.視頻監(jiān)控中的行人檢測(cè)與跟蹤方法研究[D].廈門大學(xué)，2014.

作者單位

公安海警學(xué)院 浙江省寧波市 315801