基于深度图像的行人检测、跟踪技术研究_周波_2014

1、应用背景

智能交通、机器视觉、智能监控、计算机辅助驾驶等领域

2、本文特点

1）通过基于距离信息的分割方法确定目标所在的区域（感兴趣区域），可以有效的去除深度图像中的背景信息，这样可以提高算法的检测效率。每幅图检测的时间再15-100ms之间，达到实时性的要求。

2）通过先计算深度图像积分图方法，降低HOG计算复杂度，提高算法的时效性。基于深度图像的行人头肩HOG特征方法对行人进行检测。

3）均值偏移算法作为目标跟踪中最常用的算法，首先分析目标，建立目标模型，然后在后续帧中，建立待测模型；通过比较目标模型和待测模型的相似度函数Bhattacharyya系数，经过多次迭代后，最终达到一个比较理想的结果，完成对目标的跟踪。改算法解决了传统跟踪算法在跟踪人体时，当人体移动速度过快，被跟踪人体容易丢失的问题。

3、运动目标检测方法

1）帧差法

将相邻两帧图像或相隔几帧的图像的像素值作差，然后用阈值化方法提取运动区域。