论文摘要
多目标的检测与跟踪是计算机视觉里的一个很重要的问题,在安全监控等领域有着广泛的应用,比如智能交通系统。目前流行的方法存在着各种局限性：基于背景差分的方法会受遮挡、光照变化以及相机抖动的影响；基于特征点聚类的方法因为目标物体的大小不同,很难达到稳定的跟踪；另外一些基于物体模型匹配的方法,因为计算复杂而难以达到实时。本文提出了一种新颖的基于特征点分类的多目标检测与跟踪方法,不依赖背景,也能达到实时稳定的检测跟踪效果。算法主要包含两部分：预处理阶段,把目标物体分为若干部分,并提取每个部分的特征来训练一个分类器；在线时,首先在整张图片中提取特征点,通过训练好的分类器来筛选属于目标物体的特征点,并确定特征点对应的物体局部,之后通过一种离散化的投票方法快速检测出目标,并确定特征点与目标之间的对应关系,最后在跟踪特征点的基础上进行目标的跟踪。由于采用了基于局部分块的策略,本文的方法能够鲁棒地处理局部遮挡情况。文中的实验结果表明该方法用于检测跟踪具有快速而且稳定的效果,在此基础上,本文还对目标进行了速度估计及物体分割,都具有很好的效果。