许喜斌 赵小蕾

（1.广东工程职业技术学院 广州 510520）（2.中山大学新华学院 广州 510520）

1 引言

在视频监控系统中，行人运动目标的跟踪是重要的环节，无论是在商业、小区安全，还是军事保密等方面有着极大的需求［1］。其中早期检测技术主要以静态图像处理中的分割、边缘提取、运动检测等为主，例如以Gavrila 为代表的全局模板方法、Broggi 为代表的局部模板方法、Lipton 为代表的光流检测方法、Heisele 为代表的运动检测方法、Wohler为代表的神经网络方法等，所以行人检测的主要方法就是基于背景建模方法和基于统计学习的方法，而跟踪方法就比较丰富，有基于算法进行改进，也有基于硬件设备进行跟踪。

文献［2］是法国研究员Navneet Dalal 和Bill Triggs 提出的HOG+SVM 行人检测算法，该算法利用Hog 进行特征提取，利用线性SVM 作为分类器，实现行人检测，该方法的速度和效果综合平衡性能较好；文献［3］提出一种基于人体特征识别和卡尔曼滤波的行人跟踪算法，主要基于人体体型特征和行为姿态特征的识别方法来自动识别行人，该算法提高了行人检测识别及跟踪精度；文献［4］利用Jetson TK1嵌入式设备和深度卷积神经网络进行行人检测，具有较高的识别率和快速的检测速度；文献［5］利用支持向量机（SVM）检测的粒子滤波改进跟踪算法，有效降低PF 所需粒子数，实现实时跟踪；文献［6］是基于Mean-Shift 算法的基础上，将颜色直方图个三重帧间差分相结合的跟踪方法，有效地对目标进行准确定位跟踪。文献［7］利用检测阶段的行人运动二值化差分图，结合水平融合值、垂直融合值及其他符合融合要求的非连通区域形成一个新的矩形框，并以新矩形框及其中心作为行人的位置特征进行行人检测与跟踪，取得了较高的准确率。……