基于HOG 特征和卷積神經網絡的行人跟蹤研究*

劉 悅

（中國刑事警察學院，遼寧 沈陽110035）

引言

視覺目標跟蹤是智能公安系統的重要研究方向，主要涉及圖像處理，計算機視覺和模式識別等領域的知識，其應用非常廣泛。目前，許多跟蹤算法都取得了令人滿意的結果，但是大多數算法沒有處理環境變化對圖像跟蹤的影響。僅僅用簡單的Haar 特征來描述外觀模型并不能有效地處理光照的劇烈變化和背景雜波。由于目標信息的復雜性、目標的隨機性以及目標的背景干擾和阻礙，目標跟蹤技術仍然處于低谷期，這是一個具有挑戰性的問題，目前幾種成熟的目標跟蹤算法都需要特定的環境和應用范圍，尤其是對大范圍場景的人體跟蹤問題。為了解決光照變化和背景雜波引起的漂移問題，利用擴展的Haar 特征搜索目標的粗定位，然后利用HOG特征對頭肩精定位，得到最佳跟蹤位置。本文提出了一種可用于跟蹤視覺目標的有效配對HOG特征方法。該方法結合了不同類型的特征，以確定相關濾波器結構的HOG 特征，并通過獨立識別目標來建立新的目標位置。本文利用HOG描述子來表示行人，得到低維HOG特征向量。最后，將目標特征向量和行人語義特征向量結合起來，利用目標模型對行人識別進行預測。與傳統方法相比，該算法簡單實用，識別精度高。

HOG 的核心思想是所檢測的局部物體外形能夠被光強梯度或邊緣方向的分布所描述。通過將整幅圖像分割成小的連接區域（稱為cells），每個cell 生成一個方向梯度直方圖或者cell 中pixel 的邊緣方向，這些直方圖的組合可表示出（所檢測目標的目標）描述子。……