视频中人体目标可靠性检测方法与稳定性跟踪算法研究

视频图像序列中人体目标的自动、可靠检测和跟踪具有重要的应用价值和理论意义。多视角、背景复杂性、人体局部形变等因素的存在使得此问题成为本领域的研究难点之一。本课题拟研究基于全局-局部特征融合的人体目标检测方法。首先基于动态规划思想构建全局轮廓匹配模型，其中全局特征是轮廓特征点集合；然后使用Adaboost学习算法构建局部人体分类模型，局部特征来自Harr完备特征集合；最后融合局部检测结果和全局匹配结果构建可靠性的人体检测器。对于检测到的人体目标，拟研究背景复杂、频繁变化情况下的稳定性跟踪算法。首先构建用于复杂背景的目标跟踪特征集合，然后研究基于Kalman 滤波进行跟踪特征有效性评估的算法。本研究中涉及的基于多分类器、特征融合的检测方法将解决人体检测中的局部形变、多视角等问题；涉及的跟踪特征评估算法将提高人体目标跟踪的稳定性。