改进KCF与轨迹关联的监控视频目标跟踪*

李 飞 刘文璇 夏红霞

（1.湖北省农业科学院 武汉 430064）（2.武汉理工大学计算机科学与技术学院 武汉 430070）

1 引言

随着社会的发展，我国人民的生活质量在不断地提升。2014年国家新型城镇化的提出更是加强了城市、乡村的交流，间接促进了交通工具、人口的增长与膨胀。而在经济社会高速发展的同时，犯罪率也随之呈现出逐步上升的趋势，且犯罪手法更加复杂多样，严重影响了社会治安，给我国乃至世界的安全建设带来了巨大的挑战与困难。在公共案件的侦破中，侦破人员往往需要观看大量的案发现场视频。抽取案发周边区域监控画面，或是在对已发现的车辆或者目标人物进行接力跟踪［1］。新型视频监控手段可以利用监控中提取道德嫌疑人的面目、体貌特征，为侦查人员提供了足量的信息［2］。

对视频图像的处理，是当前国内外学者以及各大企业机构研究的热点。Zhong等使用智能技术对图像的分类和识别进行基础研究［3～6］。然而在实际情况中，监控摄像头面临着天气导致的亮度不够的问题。亮度灰暗致使画面质量较差、分辨率较低。或者存在背景复杂，目标之间互相遮挡等。

原始的运动目标检测算法以分离出前后景为前提。2004年，Huang等以光流法为基础，实现了车辆的检测［7］。2005年，Dalal等将HOG手工提取特征与SVM首次结合用于行人检测［8］。然而手工提取特征同样产生了计算量巨大、耗时费力等缺点。2008年，目标检测领域迎来了一次突破，Felzenszwalb提 出 了DPM检 测 算 法［9］。之 后 随 着AlexNet［10］的提出，深度学习逐渐进入图像研究的主流［11～15］。……