【文章內(nèi)容簡介】 程中的資源，我們只有當隊列存儲前景目標的數(shù)量大于 10張時，才觸發(fā)輔助線程開始工作。從隊列中按先進先出的順序讀取存儲的前景圖片，并歸一化尺寸為。 提取前景 圖片 HOG特征輸入到訓練好的 SVM 分類器中進行檢測，與低維度軟輸出 SVM 行人分類器輸出結(jié)果比較，若一致，直接進入下一張圖片的判斷，不一致，采用新結(jié)果替換之前結(jié)果。 ? 行人跟蹤 行人跟蹤是監(jiān)視各個行人在視頻序列中的空時變化，包括人體的出現(xiàn)位置、大小、形狀等 [7]。我們選取以顏色為特征進行跟蹤的 CamShift (Coninuously Adaptive Mean Shift) 算法，它可有效解決目標變形問題。本系統(tǒng)從實際應用出發(fā)，在傳統(tǒng)半自動、單目標CamShift[8]算法的基礎上，實現(xiàn)了以下功能：用戶手動圈出一個或多個感興趣目標，系統(tǒng)按目標的個數(shù)自動分配跟蹤器，進而實時跟蹤多個目標、畫出目標軌跡并把軌跡存儲到指定的文件夾中。具體工作原理和步驟如下： ? 鼠標選擇感興趣區(qū)域。設置標 簽表征是否選中第個目標：未選中賦值 0，選中后賦值，跟蹤結(jié)束后賦值。利用標簽依次把選中的區(qū)域存入數(shù)組中。 ? 獲取初始目標及 H分量直方圖。調(diào)用 setMouseCallback()函數(shù)，獲取感興趣目標的坐標值；調(diào)用 calcHist()函數(shù)計算目標區(qū)域的 H分量直方圖；初始化搜索窗的大小和位置，定義為質(zhì)心坐標。 ? 利用直方圖計算輸入圖像的反向投影圖。反向投影圖是一種記錄給定圖像中各像素點顏色信息出現(xiàn)在此處可能性的一種離散化的度量?？赏ㄟ^調(diào)用 calcBackProject()實現(xiàn)。 ? 運行 MeanShift 跟蹤算法，搜索目標 圖像新的窗口區(qū)域。設為搜索窗口中圖像像素位置，是投影圖中的像素值。定義搜索窗口的零階矩和一階矩，： 得到搜索窗口質(zhì)心位置為 ? 移動搜索窗口的中心到質(zhì)心的位置設為點，原質(zhì)心位置設為點。令。設為誤差閾值，為最大迭代次數(shù)。如果或者，則迭代結(jié)束，返回新的目標位置；否則，跳轉(zhuǎn)到 (4)繼續(xù)執(zhí)行。 ? 把每幀中獲得的質(zhì)心保存至 vectorPoint2f容器中，間隔 5個點連接成線，獲取目標跟蹤的軌跡。 ? 行人計數(shù)和異常報警 行人計數(shù)是行人檢測和跟蹤的一個具體應用，即對視頻中某個特定區(qū)域的行人數(shù)目進行統(tǒng)計 [9]。我們選取的視頻圖像大小是 480360。首先把每幀圖片沿軸坐標分成 4 段，如圖 8 所示：左右兩側(cè)是方向標志區(qū)域，中間兩個為計數(shù)區(qū)域。當檢測到行人進入視頻，若為左側(cè)進入，則左側(cè)對應的標志符為 1 而右側(cè)標志符為 0，當行人前進到左側(cè)的計數(shù)區(qū)域時相應的計數(shù)器加 1；若為右側(cè)進入時同理。 圖 8 行人計數(shù)原理圖 異常報警是行人檢測和跟蹤的另一個具體應用。在小區(qū)、公園、商場等場景的視頻監(jiān)控中，很多區(qū)域是禁止行人進入的 ，故本系統(tǒng)實現(xiàn)了對此類異常行為 的自動檢測和報警的功能。首先，選定禁止入內(nèi)的區(qū)域。比如：園區(qū)中的綠化帶，商場中的收銀臺。然后，判斷行人識別后的行人坐標是否在預設區(qū)域。最后，設置報警的效果，比如按鈕閃爍等。 ? 4. 系統(tǒng)軟件實現(xiàn) 軟件運行環(huán)境是在 Visual Studio 2021 開發(fā)平臺下創(chuàng)建的一個基于對話框的 MFC 應用程序。實現(xiàn)過程中，調(diào)用了 。具體流程如圖 3所示。 ? 系統(tǒng)界面 界面是人機交互的接口，為我們更改系統(tǒng)參數(shù)、展示系統(tǒng)功能等提供了很大便利。本系統(tǒng)創(chuàng)建了基于對話框的 MFC應用程序，最終實現(xiàn)的系統(tǒng)主界面如圖 6 所示。主要包括選取視頻源和視頻處理兩個區(qū)域。選取視頻源區(qū)域即通過各個按鈕實現(xiàn)本地磁盤或攝像頭獲取的行人視頻的載入、正常播放和暫停。視頻處理區(qū)域有 Setting 和 Run/Stop 兩個選項。Setting：點擊可彈出一個新的 Detection 界面，效果展示如圖 7所示，可在 Detection對話框中選擇運動目標檢測、行人識別、跟蹤對應的處理方法并在 picture 控件中播放處理效果。Run/Stop：播放顯示用背景差分等方法處理后的視頻。另有顯示區(qū)域 Warning，當設定區(qū)域發(fā)生異常時自動報警。 ? 系統(tǒng)實現(xiàn)（實現(xiàn)方法 ,住算法實現(xiàn)） 首先，加載、關(guān)閉行人視頻。視頻是一幀一幀的圖像，根據(jù)視頻的幀率設置合適的時鐘，定時對視頻中的幀圖像進行讀取顯示。加載視頻可通過 OpenCV中 DrawToHDC()等函數(shù)實現(xiàn)；關(guān)閉視頻可通過一個標簽實現(xiàn)。 First, load and close a pedestrian video. (行人視頻的加載和播放 ) Video is posed of lots of frames images, we can set the appropriate clock to timing read and display each image. DrawToHDC() in OpenCV library can realize the function. Close video can realize by setting the value of a label. 圖 6 主界面 圖 7 副界面 其次，行人檢測模塊。 1）提取前景。本系統(tǒng)是用混合高斯模型進行背景建模，用當前幀和背景做差獲取二值前景圖片，進而獲取每個輪廓外接矩形坐標，并存儲為vectorRect類型。我們可通過調(diào)用 OpenCV 中 morphologyEx()、 erode()、 dilate()、findContours()、 boundingRect() 函數(shù)實現(xiàn)。后面的行人識別均是對 vectorRect類型的外接矩形進行操作。 2）初步篩選前景。采用行人形狀信息進行篩選。首先去除車輛等面積過大目標和樹葉、天線等過小目標。計算目標外接矩形的寬高比滿足式 (4)，再次判斷為行人。