监控视频的行人追踪

概述

• 要求：根据提供的监控视频图像，追踪视频中行人并对其运动轨迹做出预判。

实现

• 视频图像的行人认定为图像的前景区域，识别新人即为分割图像的前景背景，故可使用knn实现分割
• 利用opencv的BackgroundSubtractorKNN实现的分割效果如下图所示：

• 对分割出的前景区域，可以计算该区域的HSV颜色模型并计算反投影，再利用camshift( 原理是均值漂移算法 )实现对前景区域即行人的追踪。
• 同样，利用opencv的cv2.CamShift() 实现效果如下：
• 图中，红色矩形框即为camshift计算出的目标区域。

• 最后，预判行人的运动轨迹，这里可以使用卡尔曼滤波来实现。
• 设定卡尔曼滤波所需测量的维度是2，即为目标区域的x，y坐标。同时，设定卡尔曼滤波的维度是4，即坐标x, y以及在xy坐标下的速度vx, vy。行人的vx, vy均可认为是匀速运动（当然需要加上各自的噪声项）。
• 根据knn实现的背景分割矩形中心来校正卡尔曼滤波器，滤波器预测的结果即为目标区域矩形的中心点。
• 根据上述假设，利用opencv的cv2.KalmanFilter()函数可建立卡尔曼滤波器模型。
• 下面是算法的实现效果（图中绿点即为预测结果）：