1．目的及意义

近年来，我国经济快速发展，相应的交通道路建设也变得越来越重要。特别是近年来随着数字图像处理和计算机视觉技术的迅猛发展，社会上对智能视频监控有了很大的需求。行人是城市道路交通的重要参与者之一，因此开展行人检测技术的研究对城市智能交通系统的发展有重要意义，并且对于行人这种非刚性目标，由于其所在场景的复杂性以及姿态、形状等的不断变化，这使得行人检测与跟踪技术要有很好的实时性、准确性和对复杂环境的适应性。当前，该技术已经广泛应用于交通的智能监控、汽车的自动驾驶等。

行人检测与跟踪在生活中广泛应用，具有广阔的应用前景。近些年，国内外学者对其进行深入研究，取得一些进展，但是，很多算法仍具有一定的局限性。移动目标检测是计算机视觉处理的重点和难点，它也是运动对象辨识和追踪的重要基础。智能视频监控技术首先在国外起步，并且这些年发展很快，收到了很高的重视，其中一些产品已很好的应用到社会中。比如，新加坡的高速公路和码头的监控系统被认为是一个非常现代化并且非常实用的交通系统，它是新加坡交通管理长远计划的重要一项，新加坡E- MAS已经能够覆盖其境内所有高速公路 ，这些公路是横贯新加坡的交通要道。麻省理工学院（MIT）所研究的 Pfinder 系统不仅可以区分不同的身体动作，而且可以实时检测目标的边界。该研究已广泛应用于行为识别领域。由马里兰大学（UMCP）所开发的 W4 系统，借助于外观匹配模型，能够对人们行为进行更为全面的展现，这样就能够对人人之间的简单互动进行检测。欧盟信息社会技术，即IST，正式推出了监控优化检索项目，其目的就是要构建更为高效的交通管理系统，从而减轻当前较重的交通压力。该系统不仅能对交通环境中的个体和车厢行为进行分析，同时还能够进行人机交互，分析交通流量。在我国，基于计算机的视频检测技术的发展非常晚，特别是其核心----数字图像的处理和目标识别与匹配技术的研究落后于国外发达国家，但是随着国家人才的培养与软硬件技术的发展创新，相关的实验成果开始实现了产品转换，并且一些产品也得到了用户的认可。中国科学技术大学李海翔等研究了基于SSD的行人检测与跟踪方法。在SSD算法的基础上，引入交通场景下行人的先验信息并调整神经网络的连接方式，可有效缓解SSD算法检测小目标时出现的漏检问题。所提出的算法具有较高的检测准确度，在检测速度上有着一定优势。中国矿业大学程德强等提出了一种多特征融合的行人检测方法，在分析颜色和纹理特征的基础上，提出了一种融合颜色特征LUV和纹理特征完全局部二值模式(CLBP)的行人检测算法，提取目标信息更加全面准确。采用交叉核 SVM 分类器对特征进行训练、检测，进一步提高算法的检测性能。实验结果表明，所提出的算法具有更高的检测准确性。{title}

2. 研究的基本内容与方案

{title}

1.基本内容

⑴ 视频中运动物体检测：通过对背景建模法、帧间差分法、光流法这三种算法进行优缺点分析之后，选择背景建模法来进行视频中运动物体检测。

⑵ 行人检测：通过对Haar-like特征、LBP特征和HOG特征这三种特征的比较，选择HOG特征和SVM结合的行人分类器。

⑶ 行人跟踪：通过对基于特征表征和匹配的跟踪算法、基于滤波器和数据融合的跟踪算法和基于在线学习的跟踪算法三种算法的分析，选择基于Kalman滤波融合的Meanshift算法。

2.基本目标

⑴ 研究视频中运动物体检测算法、行人检测算法和行人跟踪算法。

⑵ 利用OpenCV工具设计一个行人检测与跟踪的系统。

3.技术方案及措施

⑴ 运动物体检测——混合高斯背景建模法