摘要：当今计算机视觉的发展到达了一个热潮阶段，行人检测与追踪的运用越来越常见且不可或缺。该课题主要就是研究了基于交通流视频图像分析的行人检测与跟踪系统，提出了在GMM处理上基于HOG+SVM的核相关滤波行人检测跟踪算法。本文的行文重点和研究结果有：

（1）在视频处理方面，针对计算机视觉算法提取视频行人目标面临的基本问题：如图像稳定、噪声干扰、亮暗变化、实物阴影、主客观原因造成的反光、行人运动目标移动具有随机性缓慢性特点等等，研究了混合高斯背景建模(GMM)方法。GMM如果是针对缓慢变化的物体，那其在检测方面的作用还是十分良好的，本文由于检测对象为行人，所以选择混合高斯背景建模还是非常适合的。

（2）在行人检测追踪方面，针对在密集交通流场景中，核相关滤波算法具有局限性，经过对多种算法的研究，及他们各自显示效果的优劣对比，最终组合采用了三种算法，形成基于HOG+SVM的核相关滤波追踪算法。HOG特征对人体外在特征的构成十分便利，并且它对亮暗变化和细微偏移不会过度敏感。HOG特征+SVM分类器的模式其速度效果和综合平衡性都比较好。

（3）本文在基于pc平台上使用C++语言实现了组合检测跟踪算法，并利用visual studio软件对实现的程序进行运行分析，对程序中耗时多且意义不大的部分进行代码优化，以提高程序运行效率。实验结果显示，在进行算法组合优化后，视电脑运行情况检测平均帧率可达9.07601/s，最少可达6.50511/s。

关键词： 混合高斯背景建模；方向梯度直方图；支持向量机；核相关滤波算法

目  录

摘  要

ABSTRACT

第一章  绪  论-1

1.1 研究背景与意义-1

1.2 行人检测与追踪系统概述-1

1.2.1 行人检测与追踪系统的发展-1

1.2.2 行人检测与追踪系统的研究脉络-3

1.2.3 行人检测与追踪研究过程中的难点-3

1.3 本文研究内容-4

第二章  交通流视频处理基础-5

2.1 视频处理基础-5

2.1.1 三色原理-5

2.1.2 颜色模型-5

2.2 图像去噪-8

2.2.1 概述-8

2.2.2 图像中的噪声-8

2.2.3 图像中的去噪方法-9

2.3 本章小结-9

第三章  运动目标检测-10

3.1 图像模糊-10

3.2 图像腐蚀与膨胀-10

3.2.1图像腐蚀-11

3.2.2图像膨胀-12

3.3 运动目标检测方法-14

3.3.1 帧差法-14

3.3.2 背景差分法-15

3.3.3 光流法-17

3.3.4 边缘检测方法-18

3.4 本章小结-18

第四章  运动目标跟踪-19

4.1 一般的目标跟踪算法-19

4.2 基于核相关滤波的运动目标跟踪-20

4.3 核相关滤波跟踪原理-21

4.4 遮挡处理-21

4.5 HOG和SVM组合的行人检测-22

4.5.1 HOG特征-22

4.5.2 HOG特征提取算法的实现过程与优化-23

4.5.3 支持向量机SVM-25

4.5.4 SVM模型与问题优化-27

4.6 核相关滤波算法-29

4.7 核相关滤波算法的改进-30

4.8 设计效果展示-30

4.9 本章小结-31

第五章  总结与展望-32

参考文献-33

致  谢-35