34、基于人体特征与核密度估计融合的行人检测

基于人体特征与核密度估计融合的行人检测

1. 引言

移动目标检测在视频处理领域是一个重要课题。其目的在于找出移动目标，进而提取目标的大小、位置和速度等信息，为更深入的图像分析、理解以及运动跟踪提供支持。国内外众多学者在移动目标检测研究中提出了诸多系统和算法。

国外方面，美国DARRA项目开发的视频监控系统VSAM，可通过用户操作对复杂场景进行监控。它先定期初始化背景图像，再用背景减法提取特征区域并与对应背景图像匹配以寻找移动目标；对于航空视频，会在运动补偿后采用三帧差分减法来查找移动目标。IBM公司开发的W4系统和智能监控系统，主要用于行人特征提取和运动趋势跟踪。EPSRC项目VISPATH旨在实现高效、非侵入式的行人实时跟踪。此外，Elgarmnal等人提出的非参数密度估计方法，用于估计背景核密度，利用图像灰度信息，无需背景特征分布假设和估计参数，提高了算法鲁棒性，能处理复杂背景视频。

国内许多高校和科研机构也在运动目标检测研究上投入大量精力并取得成果。中科院研究了交通场景中的行为和事件分析以及行人运动模式识别算法；清华大学开发了远距离行人识别系统；张利用人体三维位置信息避免遮挡对人体运动检测和跟踪的影响；孙等人用背景减法和直方图法确定人体目标中心位置和进行检测，并结合粒子群优化算法和Parzen粒子滤波器进行跟踪；孙等人通过提取关键帧实现背景建模，提高了目标检测的实时性；徐对核密度估计中的核函数指数进行近似计算来优化算法，但因引入新参数且无法自适应，影响了算法鲁棒性；金直接用较少样本进行核密度估计，结合背景运动补偿方法提高实时检测效果，但抑制了处理复杂背景的优势。

鉴于上述方法的不足，提出一种核密度估计方法，借助人体特征先验信息选择和函数带宽，减少核密度估