基于視頻的復(fù)雜場(chǎng)景下多目標(biāo)跟蹤關(guān)鍵技術(shù)研究.pdf

1、基于視頻的多目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)核心問(wèn)題，在智能交通、智慧城市、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)事件分析等領(lǐng)域有著極其重要的意義。在復(fù)雜場(chǎng)景下進(jìn)行多目標(biāo)跟蹤時(shí)，檢測(cè)和數(shù)據(jù)關(guān)聯(lián)是兩個(gè)非常重要的步驟，由于場(chǎng)景中可能出現(xiàn)多個(gè)目標(biāo)相互遮擋，檢測(cè)結(jié)果會(huì)出現(xiàn)誤檢和漏檢的情況，如果檢測(cè)結(jié)果誤差較大，此時(shí)通過(guò)數(shù)據(jù)關(guān)聯(lián)得到的結(jié)果也會(huì)出現(xiàn)較大的誤差。因此，本文對(duì)多目標(biāo)跟蹤中的目標(biāo)檢測(cè)方法和數(shù)據(jù)關(guān)聯(lián)方法進(jìn)行了重點(diǎn)研究，具體工作如下：
　　為了得到準(zhǔn)確的目標(biāo)位

2、置信息，本文研究了一種可靠的多目標(biāo)分層檢測(cè)算法。首先提出了一種基于半色調(diào)二值特征和結(jié)構(gòu)化輸出支持向量機(jī)的快速目標(biāo)區(qū)域預(yù)測(cè)算法，用于預(yù)測(cè)每個(gè)目標(biāo)在當(dāng)前幀可能的目標(biāo)區(qū)域；在此基礎(chǔ)上進(jìn)行上層檢測(cè)，即將預(yù)測(cè)得到的目標(biāo)區(qū)域與VIBE檢測(cè)算法提取的前景區(qū)域相結(jié)合，提取出感興趣的目標(biāo)區(qū)域。上層檢測(cè)一方面不僅可以彌補(bǔ)由于VIBE算法不能檢測(cè)一段時(shí)間靜止的目標(biāo)而發(fā)生的漏檢，另一方面，還為下層檢測(cè)大大縮小的檢測(cè)區(qū)域范圍，從而加快下層檢測(cè)的速度。接下來(lái)在提取

3、的感興趣區(qū)域上進(jìn)行下層檢測(cè)，首先采用DPM檢測(cè)算法得到可能的目標(biāo)位置，再與預(yù)測(cè)的目標(biāo)區(qū)域進(jìn)行融合，得到所有目標(biāo)可靠的位置信息。實(shí)驗(yàn)表明，本文的分層檢測(cè)方法有效克服了漏檢和誤檢，提高了檢測(cè)精度。
　　為了保證目標(biāo)坐標(biāo)關(guān)聯(lián)的可靠性，本文采用基于分層數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤方法，首先提出一種低層關(guān)聯(lián)方法，對(duì)短時(shí)間內(nèi)的目標(biāo)坐標(biāo)進(jìn)行關(guān)聯(lián)，生成較短的軌跡片段；然后研究了一種基于多特征融合的目標(biāo)外觀表示，并為每個(gè)目標(biāo)建立特征池；并在此基礎(chǔ)上采用基于