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