运动行人检测与跟踪关键算法提升与应用

运动行人检测与跟踪关键技术研究是当前视频监控领域的重要课题，特别是在客流量统计、安全防范等方面具有广泛应用。本文由西南科技大学的硕士研究生李铖果撰写，专业背景为模式识别与智能系统，由导师李小霞指导，于2012年完成。 论文首先对传统的背景累积差分算法进行了优化，通过动态调整更新速率，使得在场景中无运动目标时，背景图像更新快速；而当有运动目标出现时，算法对静止区域更新较慢，有助于减少误报，为行人检测提供了更稳定的背景模型。针对不同场景，作者提出两种顶视运动行人检测策略：一种是针对衣着颜色对比明显的情况，采用三帧差分和背景减除技术定位运动区域，然后利用投影法分离粘连区域，通过面积特征筛选和矩形标记来检测行人；另一种则是针对颜色相近情况，利用Canny边缘检测和帧差法结合人头形状及颜色特征，通过Hough圆算法精准定位人头。 在行人检测后，作者应用CamShift跟踪算法，自动选择并跟踪运动行人，避免了手动选取跟踪目标的繁琐，提高了跟踪效率，并限定在虚拟跟踪区域内，支持多行人同时跟踪。这种方法不仅解决了目标选择问题，还减少了搜索范围，提升了跟踪精度。 论文的核心成果在于设计了一套基于运动行人检测与跟踪的客流量统计系统，能够实时统计出准确的客流量数据。经过实际测试，该系统的统计正确率平均达到85%，充分证明了本文方法在实时性和准确性方面的优势。 本研究涵盖了运动行人检测算法的改进、多种检测策略的提出、以及跟踪技术的优化，同时成功地将其应用到客流量统计系统中，对于提升视频监控系统的智能化水平和实际应用效果具有重要意义。