尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 随着计算机视觉、人工智能等相关技术的发展,行人检测跟踪技术受到了越来越多的关注。但由于行人具有姿态多变的特性,外观易受衣着、尺度变化、遮挡和拍摄角度等因素影响,传统的单一特征或模型难以实现精确的行人检测,而行人头肩形状相对稳定,基... 展开 随着计算机视觉、人工智能等相关技术的发展,行人检测跟踪技术受到了越来越多的关注。但由于行人具有姿态多变的特性,外观易受衣着、尺度变化、遮挡和拍摄角度等因素影响,传统的单一特征或模型难以实现精确的行人检测,而行人头肩形状相对稳定,基于此本文提出使用组合结构的头肩分类器进行行人检测;同时针对快速高效的核相关滤波器(KernelizedCorrelationFilters,KCF)跟踪算法不能对跟踪目标尺度自适应、不能进行多目标跟踪的问题,将算法改进与软件设计相结合,实现了尺度自适应的多目标跟踪。本文研究内容主要有以下部分: (1)首先,提出本文系统框架。针对行人检测与跟踪中的关键技术,分析研究了多种行人检测与跟踪算法,在均衡了误检率、漏检率以及检测时间的情况下,提出使用组合结构的头肩分类器进行行人检测,并使用改进的KCF跟踪算法进行行人跟踪的系统方案。 (2)设计组合结构的头肩分类器。针对行人外观多变,而其头肩可以保持相对稳定的情况,提出使用组合结构的头肩分类器进行行人检测。使用Adaboost算法结合Haar-like特征训练初段检测器,获得行人头肩的候选区域,再通过支持向量机(SupportVectorMachine,SVM)算法结合方向梯度直方图(HistogramofOrientedGradients,HOG)特征训练二段检测器,准确获取头肩位置信息。 (3)改进了KCF跟踪算法。本文系统注重实时性需求,采用KCF跟踪算法,同时针对该算法跟踪目标时尺度不能自适应的问题,提出了改进的KCF跟踪算法,通过加入三个尺度因子实现目标的尺度估计。通过与原KCF算法以及其他高速跟踪算法对比,本文方法在目标尺度变化时有更好的鲁棒性和跟踪精度。 (4)行人检测跟踪系统实现。使用C++实现了行人检测跟踪系统的开发,并通过在实际场景中的使用验证了系统的有效性。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。