基于混成系統(tǒng)的視頻目標檢測與跟蹤算法研究.pdf

1、視頻目標檢測和跟蹤是計算機視覺領(lǐng)域中重要的研究內(nèi)容。隨著計算機運算能力的不斷提高、高質(zhì)量低成本視頻采集設(shè)備的出現(xiàn)以及人們對智能視頻監(jiān)控系統(tǒng)的需求日益增加，引發(fā)了科研人員對目標檢測和跟蹤算法的廣泛深入研究。
　　為了利用計算機代替人從事運動感知和場景理解等工作，目標檢測和跟蹤算法需要克服很多困難，比如監(jiān)控場景中光線變化，跟蹤目標姿態(tài)變化、遮擋、消失和再出現(xiàn)的時空不確定性等因素。本論文基于混成系統(tǒng)框架，通過建立不同層次視頻表征模型，設(shè)

2、計邏輯切換規(guī)則，解決復(fù)雜場景中運動目標的穩(wěn)健檢測和持續(xù)跟蹤問題，實現(xiàn)存在漏檢和全遮擋情況下的行人跟蹤。本論文的創(chuàng)新成果如下：
　　1、提出一種基于混成系統(tǒng)的目標檢測算法。該算法利用顏色差分直方圖視頻分割算法和Codebook背景建模算法構(gòu)建模型集合，設(shè)計兼顧顏色差分直方圖算法計算復(fù)雜度低和Codebook背景建模算法對復(fù)雜背景建模能力強的模型邏輯切換規(guī)則，有效規(guī)避兩種算法對攝像機抖動和光線劇烈變化或目標檢測實時性的不足，實驗結(jié)果證

3、明所提算法能夠克服劇烈的光照變化和攝像機抖動對視頻分割的影響，實現(xiàn)快速魯棒的運動目標檢測。
　　2、針對含有新生目標的多目標跟蹤問題，提出構(gòu)建由航跡起始算法和高斯混合概率假設(shè)密度（Gaussian mixture probability hypothesis density，GM-PHD）濾波算法組成的混成模型集合，通過設(shè)計模型切換規(guī)則實現(xiàn)新生目標傳遞給GM-PHD濾波算法以及將量測數(shù)據(jù)合理分配給航跡起始算法，保證以較小計算量辨識

4、新生目標并跟蹤場景中全部目標。實驗結(jié)果表明所提算法在跟蹤數(shù)目未知且時變的多目標場景中具有較好的跟蹤性能和實時性。
　　3、針對目標跟蹤中全遮擋問題，提出構(gòu)建由跟蹤和辨識模型組成的混成模型集合，通過設(shè)計基于特征在線學(xué)習(xí)的模型切換規(guī)則，實現(xiàn)算法在目標跟蹤的同時進行特征學(xué)習(xí)，在跟蹤目標被遮擋后利用辨識模型不斷從檢測結(jié)果中辨識失跟目標，在辨識到失跟目標后又重置跟蹤目標狀態(tài)。實驗結(jié)果表明所提算法在含有全遮擋的目標跟蹤中具有顯著優(yōu)勢。