论文总字数：17869字

摘 要

在当前互联网技术不断发展的状况下，顺应时代的大潮流，计算机技术也在短时间内飞速发展中。在此基础上出现了一门比较热门的课题——利用计算机实现行人跟踪技术的研究。就目前而言，目标的检测和跟踪是计算机视觉方面研究的热点，是一个非常重要和基本的任务。对于它在智能监控、智能交通、机器视觉、计算机辅助驾驶等范畴的广泛的应用，使得越来越多的研究学者开始关注研究它。虽然目标的检测与跟踪技术已经研究了很久，但由于在人体中固有的一些特征，应用场景的复杂性等因素以及人与人或者人与场景之间的互相影响，使得行人的检测和跟踪成为一项很具有挑战性的技术。

我此次论文主要涉及到的知识为：

Camshift算法是一种比较典型和常用的跟踪算法，但是该算法仅仅利用颜色特征来完成对被测目标的跟踪，当背景颜色与被跟踪目标颜色相似时会很容易出现跟踪失败的情况。本文中不的不提的一个算法是均值偏移（Meanshift）算法，该算法首先分析目标，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，经过多次迭代，最终得到一个比较理想的结果，完成对目标的跟踪。这个算法可以解决传统跟踪算法在跟踪目标时目标移动速度太快，被测目标易丢失的问题。

另外在后续的学习中了解到，为了处理Camshift算法易跟丢的问题，提高此算法的精度，还可以加入HOG特征和卡尔曼空间约束，前者是通过一致空间的密度矩阵来提高准确率，后者是通过层层递推，不断推测运动目标在下一帧的位置，缩小需统计概率的范围，尤其是卡尔曼滤波，它可以由目标的运动规律预测出其大概的移动范围，这样在Camshift初定位的基础上，跟踪起来就可以减小搜索范围，提高搜索效率和稳定性。

本文中OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，在Linux、Windows和Mac OS操作系统等上都能运行，包含图像处理和计算机视觉方面的很多适用算法。

本文需要完成OpenCV3.1.0和Visual Studio 2013的安装以及Visual Studio 2013开发环境的配置。

关键词：Camshift 算法；卡尔曼滤波；HOG特征；OpenCV；Visual Studio 2013；

Pedestrian tracking technology based on Camshift algorithm

Abstract

In the case of global Internet evolving technology, computer technology is also developing rapidly, computing power has also been greatly improved.Thus the use of computer-implemented Pedestrian tracking technology has become a hot topic in computer technology.As far as it is concerned, in a variety of applications in the field of computer vision, object detection and tracking is an important and fundamental task is a hot field of computer vision research, such as its intelligent monitoring, intelligent transportation, machine vision, Computer-aided driving and so has a very wide range of applications.Although the target detection and tracking technology has been studied for a long time, but due to the mutual influence of some of the characteristics inherent in the human body, the complexity of application scenarios, people or between people and scenes so pedestrian detection and tracking has become a challenge.

Priorities and results of the paper include:

Camshift tracking algorithm is a well-known tacking algorithm .Since it only adopts color as feature ,which will fall to track when the object is similar to the background. Through comparative study of several moving target tracking algorithm choose meanshift tracking method as pedestrian detection algorithm, the mean shift (meanshift) target tracking algorithm as the most commonly used algorithm, first analyzes the target established target model, and then in the subsequent frame the establishment of the test model; the similarity by comparing the target model and the test model, after several iterations, eventually get a more satisfactory results, the completion of target tracking.This algorithm can solve the traditional tracking algorithm in tracking the target, the target moves too fast, the target being tracked easily lost problem.

Also in the subsequent study we learned that in order to deal with the lost easily Camshift algorithm problems and improve the accuracy of the algorithm, you can also join HOG features and Kalman space constraints, the former is to improve the accuracy of the density matrix by a uniform space, after who through the layers of recursion, constantly moving target speculative position in the next frame, the need to narrow the scope of statistical probability, particularly Kalman filtering, it can predict the probable range of movement by the movement of the target, so early in Camshift on the basis of positioning, tracking it is possible to reduce the scope of the search to improve search efficiency and stability.

OpenCV here in is based on BSD license (open source) release cross-platform computer vision library, you can run on Linux, Windows and Mac OS operating system, many common algorithms for image processing and computer vision.

This article needs to be done OpenCV3.1.0 and Visual Studio 2013 installation and configuration of Visual Studio 2013 development environment.

Keywords: Camshift algorithm；Kalman Filter；HOG features；OpenCV；Visual Studio 2013；

目录

第一章 绪 论 1

1.1 课题背景与研究意义 1

1.2 行人跟踪技术的国内外研究 1

1.3 开发和运行环境 2

1.4 本次论文所要做的主要工作： 2

第二章 基于Camshift算法的行人跟踪技术研究 3

2.1 Camshift算法原理 3

2.2 Camshift算法组成 3

2.2.1 计算色彩投影图 3

2.2.2 Meanshift寻优 3

2.2.3 Camshift目标跟踪 5

第三章 方向梯度直方图 7

3.1 基于区域的识别 7

3.2 基于特征的识别 7

3.3 HOG特征 7

3.3.1 HOG特征的原理 7

3.3.2 HOG特征的算法步骤 7

第四章 卡尔曼滤波算法 10

4.1 卡尔曼滤波性质 10

4.2 卡尔曼滤波原理 10

第五章 设计与实现 13

5.1 实验结果与分析 13

5.2 配置开发环境 13

5.3 HOG算法实验分析 18

5.4 卡尔曼空间约束 20

第六章 结束语 22

6.1 本文工作总结 22

6.2 对于将来的展望 22

致 谢 23

参考文献 24

第一章 绪 论

1.1 课题背景与研究意义

高新技术的飞快发展带动了计算机行业的发展，导致在数字图像的发展中十分迅速,它可以被定义为用计算机来智能模拟或实现人类视觉这一能力,或则说,计算机的摄像头就相当于人的眼睛，人类瞳孔的放大就是计算机摄像头的高度识别过程，当于或者说它的识别功能远远超过了人所能识别的范围。在20世纪后期的时候，人们已经开始了对它的研究，不过那时候的研究还比较单一化，局限于框架等一些列的基础研究，也在一定程度上推动了计算机视觉的发展。现阶段，人们对它的研究已经进入了比较系统规范的研究，在社会生活各个方面的应用也比较广泛，一般常见的例如人机交互、技术诊断及三维场景重建等。就中国现阶段的发展策略，未来我们应该还会加大对这方面的投入和研究。

目前计算机视觉研究领域的一个热点和前端方向就是对行人检测跟踪，不管国内或者国外，都已经开始了许多的研究，不管现在还是将来，这将一直是个值得研究的课题，也会涉及到许多其他方面的技术，比如图像处理、概率与随机过程、模式识别及人工智能。计算机视觉的应用领域比较广泛（在智能交通、公共安全和智能监控等许多方面的研究意义和实用性）例如地铁、车站、商场等人流量比较大的地区以及安全性要求比较高的军事禁区的监控系统等有着十分重要的实际应用价值，据了解目标跟踪技术现已广泛应用在智能监控安防、人机交互、制导导航、医疗诊断等方面。接下来简要介绍几种典型应用：

剩余内容已隐藏，请支付后下载全文，论文总字数：17869字