固定背景下單-多目標(biāo)行人跟蹤算法研究.pdf

1、智能視頻監(jiān)控是近年來計(jì)算機(jī)視覺領(lǐng)域的研究重點(diǎn)和熱點(diǎn)之一，在安全防護(hù)、智能交通、行為分析等領(lǐng)域有著廣闊的應(yīng)用前景。行人目標(biāo)檢測(cè)與跟蹤是智能視頻監(jiān)控的關(guān)鍵技術(shù)，也是后續(xù)目標(biāo)識(shí)別、行為分析等的研究基礎(chǔ)。本文主要研究攝像機(jī)固定情況下，復(fù)雜場(chǎng)景中的行人單目標(biāo)穩(wěn)態(tài)跟蹤問題和固定背景下行人多目標(biāo)跟蹤問題。
　　 目標(biāo)檢測(cè)是跟蹤的基礎(chǔ)，本文比較了三種常用的目標(biāo)檢測(cè)算法并分析各自的優(yōu)缺點(diǎn)，結(jié)合具體的應(yīng)用環(huán)境，采用混合高斯模型建立背景圖像，利用背景

2、差法檢測(cè)前景目標(biāo)，最后通過陰影去除、形態(tài)學(xué)濾波以及連通域分析等后續(xù)操作獲取完整的前景目標(biāo)。
　　 對(duì)于行人單目標(biāo)跟蹤問題，為實(shí)現(xiàn)目標(biāo)的穩(wěn)定跟蹤，提高跟蹤算法的魯棒性，本文在粒子濾波算法的基礎(chǔ)上，提出了一種多特征自適應(yīng)融合的單目標(biāo)跟蹤算法。首先由人工選取跟蹤目標(biāo)，通過比較各種顏色和紋理特征區(qū)分目標(biāo)和背景能力的大小，選取最優(yōu)的兩個(gè)特征來描述目標(biāo)。分別以這兩個(gè)特征為目標(biāo)模型進(jìn)行粒子濾波處理可以得到兩個(gè)關(guān)于目標(biāo)位置的估計(jì)結(jié)果。若兩個(gè)估計(jì)

3、結(jié)果相近，則說明選擇的特征有效，跟蹤正確;若兩個(gè)估計(jì)結(jié)果存在較大差異，則說明其中一個(gè)或兩個(gè)特征失效，跟蹤結(jié)果出現(xiàn)大的偏離，此時(shí)需要根據(jù)上一幀估計(jì)結(jié)果的可靠性決定是否返回上一幀圖像重新選取最優(yōu)特征并再次進(jìn)行粒子濾波估計(jì)。只有在兩個(gè)估計(jì)結(jié)果相近時(shí)才更新目標(biāo)模型，從而確保目標(biāo)模型不發(fā)生大的偏移。
　　 對(duì)于多目標(biāo)跟蹤問題，本文根據(jù)場(chǎng)景中目標(biāo)個(gè)數(shù)較多，目標(biāo)狀態(tài)復(fù)雜多變等情況，在考慮算法實(shí)時(shí)性的基礎(chǔ)上，采用基于區(qū)域檢測(cè)的多目標(biāo)跟蹤算法。首

4、先通過基于混合高斯背景建模的背景差法獲取前景目標(biāo)，根據(jù)當(dāng)前幀檢測(cè)的前景目標(biāo)與跟蹤目標(biāo)區(qū)域間的重合情況，可以構(gòu)建兩者之間的關(guān)聯(lián)矩陣，根據(jù)矩陣行和列之間的關(guān)系可以將目標(biāo)狀態(tài)歸為以下五類:目標(biāo)出現(xiàn)、正常狀態(tài)、目標(biāo)融合、目標(biāo)分裂和目標(biāo)消失。對(duì)于不同的目標(biāo)狀態(tài)，采用不同的處理方法。在這五種目標(biāo)狀態(tài)中，由于造成目標(biāo)分裂的原因較為復(fù)雜，本文詳細(xì)分析了可能引起目標(biāo)分裂的四種原因，并提出了相應(yīng)的處理方法，特別是對(duì)于多目標(biāo)融合后分裂的情況，提出了基于顏色匹