復雜場景下目標跟蹤與軌跡識別的研究.pdf

1、信息化時代的各方面需求帶動了視頻分析技術(shù)的飛速發(fā)展，作為計算機視覺智能化技術(shù)的一個熱門研究方向，目標跟蹤與軌跡識別技術(shù)越來越多地受到關(guān)注。然而，該研究由于對魯棒性、實時性和準確性有較高的要求，在復雜場景下的應用仍存在諸多問題。
　　首先介紹并深入分析了目標檢測的幾種經(jīng)典算法，采用ViBe背景減除算法實現(xiàn)目標檢測。這種基于樣本模型的方法能較好適應復雜背景的干擾，并且運行效率較高，適合實時系統(tǒng)的需求。同時，結(jié)合中值法解決了建立背景模型

2、中容易出現(xiàn)“Ghost”現(xiàn)象的問題。運用形態(tài)學處理方法來提取完整的目標區(qū)域。
　　其次，在目標檢測的基礎上，進行實時目標跟蹤的研究。在詳細分析目標跟蹤的基本框架，研究幾種主流跟蹤方法之后，針對目標在復雜場景中表觀模型易受多種干擾，尺度變化快，在多維空間中搜索復雜度高等問題，在壓縮跟蹤的基礎上利用粒子群優(yōu)化算法進行了快速準確的多尺度目標搜索。實驗表明，提出的基于粒子群優(yōu)化的多尺度目標跟蹤算法（PSO-CT）在目標跟蹤中尺度自適應性突

3、出，魯棒性較強，能快速準確獲取目標位置。
　　最后，提取并識別運動目標軌跡。根據(jù)目標檢測和跟蹤的結(jié)果，獲取目標位置等信息，經(jīng)預處理后得到包含位置和方向角的軌跡序列特征。利用改進的Hausdorff距離度量長度不一致的軌跡之間的相似度，然后改進類中心的計算，根據(jù)K-means算法對軌跡進行聚類。最后根據(jù)聚類結(jié)果，分別訓練每一種軌跡模式的HMM，利用HMM能夠?qū)Ω櫤蟮能壽E進行準確地識別。
　　多組數(shù)據(jù)上的實驗表明，提出的PSO