基于梯度直方图和支持向量机的人体目标跟踪

《基于梯度直方图和支持向量机的人体目标跟踪》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士学位论文摘要如何实现人体目标的检测与跟踪是自主机器人研究领域的关键问题之一，广泛应用于视觉监控系统，服务行业及人机交互方面。传统的基于单目视觉的目标跟踪算法主要依靠目标的颜色模型，对于目标及背景有较高的要求，且在实际应用中现有的跟踪算法常受诸多因素制约，如人体目标出现和消失位置的不固定、运动轨迹多样、目标的遮挡和目标本身的旋转等，另外对于相对比较复杂的室外环境难以保证跟踪的效果。本论文目标为解决实验室室内及室外环境中人体目标的检测及跟踪问题，致力于研究鲁棒性较强的特征描述符算法，将图像区域编码成高维特征向量来完成高精度的是否为人体的检测。本文方法使用低水平的表象及轮

2、廓信息来检测人体，避免了传统的颜色模型，并且对于旋转、尺度缩放、亮度变化都能保持很好的不变性，为了测试特征描述符的有效性，使用相对简单的支持向量机作为分类器。人体目标检测问题的核心是目标的前景观测，本论文中使用局部标准化的梯度方向直方图作为特征描述符，主要由图像的梯度计算而来，但最大的特点是基于密集统一的局部空间网格区域来计算的，并且采用重叠描述符的标准化来表述图像特征以提高整个算法的性能。在人体目标检测时用侦查窗口对整个图像的多尺度及位置进行扫描，并且在每个位置上执行已经训练好的分类器进行判别，判别时主要依据的是支持向量机经过学习得到的离线参数。此外还实现了基于贝叶斯框架下的多人

3、体目标跟踪。在基于较为准确的梯度直方图人体目标检测算法基础上，为已获知的目标建立非恒速运动方程，采用卡尔曼滤波对目标进行持续的跟踪。通过对应用于移动机器人平台上所获得的实验结果进行分析，验证了本文算法的有效性及实用性。关键词：梯度直方图；支持向量机；人体目标检测及跟踪；移动机器人基于梯度直方图和支持向量机的人体目标跟踪Human—TargetsTrackillgBasedonHistogramofOrientedGradientandSupportVectorMachineAbstractTheoneofkeyproblemsforautonomousmobilerobotishu

4、mantargetsdetectionandtracking，itiswidelyusedinVisualsurVeillancesystems，sen，iceindus仃iesandhuman-computerinteractionaspects．Traditionalobject们ckingalgorithmbasedonmonocularvisiontakesthekno、vntargetcolormodelasabasis，haVingahi曲requirefortheta唱etandbackground．Inaddition，theexistedtrackingalgor

5、ithmsarerestrictedbymanyfactorSinthepracticalapplication，suchastargetSmndomlyappearingordisappearing、movementmultiplicity、occlusionandrotationoftargets，anditcannotensurethetrac“ngresultswhenintherelatiVelycomplexoutdoorenVironment．Thegoalisdetectingand们ckinghumansinlaborato巧andoutdoorenVironme

6、nt．Ourfocusisondevel叩ingrobustf．eaturealgorithmsthatencodeimageregionsashi曲-dimensionalfeaturevectorsthatsupporthi曲accuracyperson／non—persondecisions．Thisapproachuseslow-levelappearanceandsilhouetteVectorstodetectperson，gettingridof仃aditionalcolormodelandkeepinginvarianceforrotation、scalezoom、

7、bri曲tnesschanging，totest凫aturedescriptorvalidi够weadoptSupportVectorMachineasclassi行er．Thecoreofhumantargetdetectionistheforegroundregionobservationofobjects．LocallynonnalizedHistogramofOrientedGradientsisusedasfeaturedescriptor．TheHOGde