一种改进的抗遮挡汽车行人稳定跟踪方法

针对行人被遮挡、汽车与行人相对速度较大使得汽车行人跟踪算法无法继续跟踪的问题,设计实现了一种改进的抗遮挡汽车行人稳定跟踪方法。即在核相关滤波器(KCF)跟踪算法的基础上引入方向梯度直方图(HOG)和尺度不变特征变换(SIFT)特征。当视频帧中的目标行人没有出现或部分出现时,提取当前帧的SIFT特征与HOG特征,采用主成分分析(PCA)降维技术进行多特征降维,通过串行组合的方式来构造HOG和SIFT融合特征集,生成HOG-SIFT特征模板。利用形成的特征模板与下一帧中的HOG-SIFT特征进行匹配,对行人进行快速重新定位跟踪。视频序列对比实验结果表明:改进算法较跟踪-学习-检测(TLD),CSK和KCF算法跟踪准确度分别提高了24.1%,15.8%,2.2%。

基于多分辨率滤波通道的多尺度行人检测

利用单尺度特征映射进行多尺度行人检测存在准确率和效率较低的问题。为此,提出一种基于多分辨率滤波通道的多尺度检测方法。应用尺度感知池增强感受域对应性,通过软决策树实现尺度不变性,在使用滑动窗口分类策略时,结合地平面约束和稀疏网格来降低计算成本,加快行人检测速度。在Caltech数据集上的实验结果表明,该方法的检测准确率达88.89%,检测速度达15.68 frame/s,其检测准确率优于VJ、WordChannels等方法。