行人视频检测与跟踪方法分析

段凌涵

智能技术与信息化技术在交通系统中的应用，实现了视频检测与跟踪目的，可以在视频图像内发现定位以及跟踪目标，对提高视频监控效率具有重要意义。本文对行人视频检测和跟踪方法技术要点进行了简单分析。

【关键词】交通行人 视频检测 跟踪方法

通过视频来对行人进行视频和跟踪，一直都是视频监控研究要点。因为检测环境复杂性高，检测视频质量很容易受到外部因素干扰，再加上行人动作随意性和不可预测性，实际应用中还存在较大问题，需要对技术做更深入的研究，争取进一步提高检测和跟踪稳定性。

1 行人检测与跟踪研究

对于视频监控来说，行人作为主要监控对象，需要保证对其检测与跟踪的有效性和稳定性。近年来针对此方面，已经逐渐提出更多行人检测与跟踪算法，算法准确性在不断提高，可以更及时发现行人存在的异常行为，对减少事故的发生具有重要意义。其中，行人检测视频监控系统研究要点，与其他目标星币，行人具有更大不可预测性，在直立行走时，人体形状变化不明显，但是出现弯腰、下蹲等行为时，人体形状变化非常大。并且行人检测结果还会受到装饰物品、着装、等因素干扰，要求行人检测鲁棒性可以适应多种情况算法，为后续跟踪打好基础。而对视频内行人目标进行跟踪，就需要对视频序列内对每一帧图像内目标，通过与相邻帧间联系，准确定位目标在图像序列帧中的坐标位置。在这个过程中，如果每帧图像中目标特征不存在较大变化，跟踪结果比较稳定；但是如果在这个过程中出现形变、遮挡等情况时，跟踪稳定性差，跟踪算法设计难度大。

2 行人检测技术分析

2.1 检测模型

对视频图像来说，与其他特征相比，人体肤色具有更稳定性，不受旋转、尺度变化等影响，同时根据颜色空间的肤色分割更为简单，可以将其作为依据建立行人检测模型。即根据行人肤色在颜色空间中的分布情况，来与其他物体进行区别，并分割出肤色区域。肤色为人体暴露在外区别与其他部位的显著特征，与尺寸变化、表情、姿势等相比具有更强鲁棒性，且对于分割图像具有更强实用性。目前肤色检测模型主要包括肤色统计模型、固定阈值模型、混合高斯模型以及自适应阈值模型等。

2.2 算法流程

2.2.1 YCbCr聚类图

肤色在颜色空间分布具有局类型特点，并且容易受光照干擾，基于肤色进行行人检测时，需要将图像转换到亮度与色度分离颜色空间，根据亮度分量来区别肤色和非肤色差别。其中，YCbCr颜色空间具有较高肤色聚类效果，可以根据其来建立肤色模型。为降低环境光照强度干扰，可以建立基于亮度信息的Cb与Cr聚类图，根据光照强度查表来确定肤色范围，可提高肤色检测准确性。

2.2.2 肤色区域分割

输入视频图像后，将其由RGB颜色空间转换YCbCr颜色空间，并根据查询所有像素点，来建立YCbCr聚类图，确定是否为肤色，建立最初肤色区域二值图。并且，为提高目标人脸定位准确性，可利用形态学方法处理二值图，即腐蚀消除背景图中误差，然后利用膨胀算法将肤色块内孔洞消除。

2.2.3 行人目标定位

肤色分割后形成人脸候选区域，包括人脸区域以及胳膊、手等非人脸区域，还包括与肤色颜色类似的背景、服饰等区域，需要进一步筛选定位。例如可以通过人脸面积和长度进行条件筛选，根据实际情况分析，大部分人颈部裸露在外，人脸长宽比加大，需要对阈值范围进行调整，确定满足所有条件的区域便为人脸。

3 Mean Shift行人跟踪技术分析

3.1 目标图像建模

在视频序列第一帧中建立目标模型，目标区域多为矩形和椭圆形，以{xi}i=1…n表示目标区域内像素，像素总数为n，将区域中心坐标点作为中心点x0。肤色特征不受旋转干扰，应用Mean Shift算法进行行人跟踪，便可以应用颜色模型进行特征统计，对跟踪视频图像序列颜色空间进行区间划分。

3.2 候选目标建模

假设在视频中以后各帧图像中，相邻图像均存在重合部分，即各帧图像内均包含运动目标区域。候选目标区域中像素点以序列{yi}i=1…n表示，其中中心点为y，应用想用核函数K（x），则候选模型中各个bin概率密度特征值Pn（u=1…m）为：

3.3 判断相似性

假设以后每帧中均存在若干个候选区域，与目标模型相似度最高的区域则为目标在这一帧图像中所处位置。Mean Shift算法在判断目标相似性时，采用Bhattacharyya系数为相似性函数，因为候选模型中心y不确定，则相似性函数则是以y为自变量的函数，即：

其中，系数p（y）值越大，距离d（y）越小，候选模型与目标模型相似度越高，选择p（y）最大值候选区域为目标在这一帧内所处位置。

3.4 目标定位

为确定Bhattacharyya系数最大值，要将前一帧目标区域中心坐标x0作为当前帧中目标区域初始位置y0，然后在该点领域内进行目标搜索，获得目标真实位置后，在继续对下一帧进行运算。

4 结束语

对行人检测和跟踪技术进行分析，需要确定视频内行人目标特点，选择不受外部因素干扰的因素，利用有效算法来对行人进行区别定位与跟踪，满足视频监控实际应用要求，提高视频监控管理综合效果。

参考文献

[1]刘璐.行人视频检测与跟踪方法研究[D].北京交通大学，2015.

[2]陈慧杰.视频监控中的行人检测与跟踪方法研究[D].厦门大学，2014.

作者单位

公安海警学院 浙江省宁波市 315801