圖像監(jiān)控中的視頻跟蹤方法的研究.pdf

1、傳統(tǒng)的圖像監(jiān)控系統(tǒng)，要求操作人員7天24小時監(jiān)控攝像頭，并發(fā)現(xiàn)可疑行為。現(xiàn)代的智能視頻分析利用可靠的模式識別算法和計算機的運算能力，提高了監(jiān)控系統(tǒng)的事件自動發(fā)現(xiàn)和報警能力，將操作人員從繁忙的視頻監(jiān)控中解脫出來。隨著計算機和攝像頭前端設(shè)備處理能力的提高以及通信帶寬的增加，對智能視頻處理的要求也越來越多。例如對人流、車流的適時監(jiān)控和預測，對目標行為的判斷和事件的歸類，對目標的識別和搜索等等。作為智能視頻分析的一部分，視頻跟蹤擔負著承前啟后的

2、關(guān)鍵任務。它先從原始視頻序列之中發(fā)現(xiàn)敏感目標，并對它們進行有效的跟蹤。進而能夠分析其軌跡和預測其行為。本文以圖像監(jiān)控為背景，研究視頻跟蹤算法的技術(shù)及其應用。采用的視頻場景與實際生活息息相關(guān)，跟蹤對象多為行人。從濾波跟蹤和特征匹配兩類視頻跟蹤算法出發(fā)，按照不同的應用和設(shè)備條件，對跟蹤算法進行優(yōu)化設(shè)計。根據(jù)實際應用的要求，設(shè)計了不同的跟蹤器。主要的創(chuàng)新工作歸納如下：
　　首先在發(fā)現(xiàn)復雜度和跟蹤時間上找到平衡點，提出濾波跟蹤和發(fā)現(xiàn)匹配相

3、結(jié)合的跟蹤算法。利用發(fā)現(xiàn)算法來選擇更新參考模型，結(jié)合變分法濾波跟蹤算法來推演目標的運動規(guī)律。設(shè)計了二者交互的接口和條件參數(shù)，引導發(fā)現(xiàn)和更新單元來輔助變分濾波。算法既提高了跟蹤算法的穩(wěn)定性，又限制了發(fā)現(xiàn)算法的運行時間。在多個場景的試驗中，算法取得了不錯的跟蹤效果。
　　接著提出了一種以點和網(wǎng)格為基礎(chǔ)的局部特征的跟蹤算法。特征點的提取和特征模型建立需要根據(jù)跟蹤目標的特點來選擇。使用特征點的方法，優(yōu)點在于點的選擇具有尺度不變性，因此適用

4、于不同攝像頭之間的目標參考模型交互。使用網(wǎng)格的方法，優(yōu)點在于特征區(qū)域的選擇速度快，而且特征的模型可以層級選擇。
　　然后提出了一種分隔多邊形區(qū)域的方法，并新建了一種空間拓撲顏色直方圖的外觀模型。在跟蹤復雜目標，如人體時，可根據(jù)其局部區(qū)域的空間關(guān)系來建立顏色模型。這種具有空間拓撲關(guān)系的外觀模型，在進行幀間的目標匹配時具有很強的區(qū)分特性。
　　最后提出了一種時間域上的區(qū)域協(xié)方差模型，并在無線圖像傳感器網(wǎng)絡(luò)平臺中利用該模型進行定位