基于O2O學(xué)習(xí)的多目標(biāo)檢測與跟蹤技術(shù)研究.pdf

1、智能視頻監(jiān)控中，利用計(jì)算機(jī)實(shí)時定位視頻中感興趣的、顯著視覺特征的多個獨(dú)立目標(biāo)，精確計(jì)算出目標(biāo)在視頻中位置大小、運(yùn)動速度、表觀特征等狀態(tài)信息，為目標(biāo)分類識別、行為理解等高層處理提供數(shù)據(jù)的多目標(biāo)檢測與跟蹤技術(shù)仍然是研究的熱點(diǎn)。視頻信息包括幀間信息和幀內(nèi)信息?，F(xiàn)有基于運(yùn)動信息的檢測跟蹤系統(tǒng)，只利用幀間運(yùn)動信息而忽視了幀內(nèi)物體表觀信息，系統(tǒng)無法檢測靜止?fàn)顟B(tài)的目標(biāo)，運(yùn)行過程中不能繼續(xù)跟蹤由運(yùn)動變靜止的目標(biāo)。
　　針對運(yùn)動檢測系統(tǒng)無法提取靜止

2、狀態(tài)目標(biāo)的問題，采用了O2O檢測算法：在線（Online）幀間運(yùn)動檢測，離線（Offline）幀內(nèi)表觀檢測；運(yùn)動檢測通過幀間信息提取出運(yùn)動的目標(biāo)；表觀檢測彌補(bǔ)運(yùn)動檢測的不足，提取出靜止的目標(biāo)；學(xué)習(xí)兩者提取結(jié)果，輸出綜合檢測結(jié)果。
　　針對運(yùn)動檢測檢測到目標(biāo)包含一些非跟蹤目標(biāo)噪聲的問題，離線訓(xùn)練好一類目標(biāo)的隨機(jī)森林分類器，用分類器排除不需跟蹤的目標(biāo)，濾除噪聲，提高跟蹤準(zhǔn)確度，減小跟蹤計(jì)算量。
　　針對傳統(tǒng)跟蹤方法無法繼續(xù)跟蹤停

3、止目標(biāo)的問題，采用了融合特征匹配與數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法；跟蹤系統(tǒng)使用幀間數(shù)據(jù)關(guān)聯(lián)算法來判斷目標(biāo)前后幀的關(guān)聯(lián)、新目標(biāo)產(chǎn)生和目標(biāo)消失；當(dāng)判斷一個目標(biāo)消失時，系統(tǒng)自動在目標(biāo)消失時刻的位置，使用幀內(nèi)特征匹配算法，用存儲的該目標(biāo)特征來匹配當(dāng)前位置區(qū)域圖像，從而識別目標(biāo)，驗(yàn)證其是否真消失。
　　具體的研究內(nèi)容：首先，使用基于背景差分法的幀間運(yùn)動檢測算法，獲取視頻幀間運(yùn)動信息、目標(biāo)狀態(tài)數(shù)據(jù)；采用基于分類器的幀內(nèi)表觀檢測算法，獲取視頻幀內(nèi)表觀