行人視頻檢測與跟蹤方法分析

段凌涵

智能技術與信息化技術在交通系統中的應用，實現了視頻檢測與跟蹤目的，可以在視頻圖像內發現定位以及跟蹤目標，對提高視頻監控效率具有重要意義。本文對行人視頻檢測和跟蹤方法技術要點進行了簡單分析。

【關鍵詞】交通行人 視頻檢測 跟蹤方法

通過視頻來對行人進行視頻和跟蹤，一直都是視頻監控研究要點。因為檢測環境復雜性高，檢測視頻質量很容易受到外部因素干擾，再加上行人動作隨意性和不可預測性，實際應用中還存在較大問題，需要對技術做更深入的研究，爭取進一步提高檢測和跟蹤穩定性。

1 行人檢測與跟蹤研究

對于視頻監控來說，行人作為主要監控對象，需要保證對其檢測與跟蹤的有效性和穩定性。近年來針對此方面，已經逐漸提出更多行人檢測與跟蹤算法，算法準確性在不斷提高，可以更及時發現行人存在的異常行為，對減少事故的發生具有重要意義。其中，行人檢測視頻監控系統研究要點，與其他目標星幣，行人具有更大不可預測性，在直立行走時，人體形狀變化不明顯，但是出現彎腰、下蹲等行為時，人體形狀變化非常大。并且行人檢測結果還會受到裝飾物品、著裝、等因素干擾，要求行人檢測魯棒性可以適應多種情況算法，為后續跟蹤打好基礎。而對視頻內行人目標進行跟蹤，就需要對視頻序列內對每一幀圖像內目標，通過與相鄰幀間聯系，準確定位目標在圖像序列幀中的坐標位置。在這個過程中，如果每幀圖像中目標特征不存在較大變化，跟蹤結果比較穩定；但是如果在這個過程中出現形變、遮擋等情況時，跟蹤穩定性差，跟蹤算法設計難度大。

2 行人檢測技術分析

2.1 檢測模型

對視頻圖像來說，與其他特征相比，人體膚色具有更穩定性，不受旋轉、尺度變化等影響，同時根據顏色空間的膚色分割更為簡單，可以將其作為依據建立行人檢測模型。即根據行人膚色在顏色空間中的分布情況，來與其他物體進行區別，并分割出膚色區域。膚色為人體暴露在外區別與其他部位的顯著特征，與尺寸變化、表情、姿勢等相比具有更強魯棒性，且對于分割圖像具有更強實用性。目前膚色檢測模型主要包括膚色統計模型、固定閾值模型、混合高斯模型以及自適應閾值模型等。

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，并且容易受光照干擾，基于膚色進行行人檢測時，需要將圖像轉換到亮度與色度分離顏色空間，根據亮度分量來區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，可以根據其來建立膚色模型。為降低環境光照強度干擾，可以建立基于亮度信息的Cb與Cr聚類圖，根據光照強度查表來確定膚色范圍，可提高膚色檢測準確性。

2.2.2 膚色區域分割

輸入視頻圖像后，將其由RGB顏色空間轉換YCbCr顏色空間，并根據查詢所有像素點，來建立YCbCr聚類圖，確定是否為膚色，建立最初膚色區域二值圖。并且，為提高目標人臉定位準確性，可利用形態學方法處理二值圖，即腐蝕消除背景圖中誤差，然后利用膨脹算法將膚色塊內孔洞消除。

2.2.3 行人目標定位

膚色分割后形成人臉候選區域，包括人臉區域以及胳膊、手等非人臉區域，還包括與膚色顏色類似的背景、服飾等區域，需要進一步篩選定位。例如可以通過人臉面積和長度進行條件篩選，根據實際情況分析，大部分人頸部裸露在外，人臉長寬比加大，需要對閾值范圍進行調整，確定滿足所有條件的區域便為人臉。

3 Mean Shift行人跟蹤技術分析

3.1 目標圖像建模

在視頻序列第一幀中建立目標模型，目標區域多為矩形和橢圓形，以{xi}i=1…n表示目標區域內像素，像素總數為n，將區域中心坐標點作為中心點x0。膚色特征不受旋轉干擾，應用Mean Shift算法進行行人跟蹤，便可以應用顏色模型進行特征統計，對跟蹤視頻圖像序列顏色空間進行區間劃分。

3.2 候選目標建模

假設在視頻中以后各幀圖像中，相鄰圖像均存在重合部分，即各幀圖像內均包含運動目標區域。候選目標區域中像素點以序列{yi}i=1…n表示，其中中心點為y，應用想用核函數K（x），則候選模型中各個bin概率密度特征值Pn（u=1…m）為：

3.3 判斷相似性

假設以后每幀中均存在若干個候選區域，與目標模型相似度最高的區域則為目標在這一幀圖像中所處位置。Mean Shift算法在判斷目標相似性時，采用Bhattacharyya系數為相似性函數，因為候選模型中心y不確定，則相似性函數則是以y為自變量的函數，即：

其中，系數p（y）值越大，距離d（y）越小，候選模型與目標模型相似度越高，選擇p（y）最大值候選區域為目標在這一幀內所處位置。

3.4 目標定位

為確定Bhattacharyya系數最大值，要將前一幀目標區域中心坐標x0作為當前幀中目標區域初始位置y0，然后在該點領域內進行目標搜索，獲得目標真實位置后，在繼續對下一幀進行運算。

4 結束語

對行人檢測和跟蹤技術進行分析，需要確定視頻內行人目標特點，選擇不受外部因素干擾的因素，利用有效算法來對行人進行區別定位與跟蹤，滿足視頻監控實際應用要求，提高視頻監控管理綜合效果。

參考文獻

[1]劉璐.行人視頻檢測與跟蹤方法研究[D].北京交通大學，2015.

[2]陳慧杰.視頻監控中的行人檢測與跟蹤方法研究[D].廈門大學，2014.

作者單位

公安海警學院 浙江省寧波市 315801