視覺監(jiān)控中的多物體跟蹤技術(shù)研究.pdf

1、視覺監(jiān)控中的多物體跟蹤是計算機視覺研究領(lǐng)域的熱點問題之一,尤其是近年來,視頻監(jiān)控系統(tǒng)發(fā)揮著越來越重要的作用,它廣泛應用于民宅、停車場、公共場合、銀行等一些場所的實時監(jiān)控。本文基于為使用一個固定的普通彩色攝像頭來監(jiān)控戶外或者室內(nèi)場景場合,設計了一種綜合運動檢測與物體跟蹤的智能視覺監(jiān)控系統(tǒng),對數(shù)目變化的多物體能自動完成檢測和跟蹤,并保存軌跡信息。多物體跟蹤的難點在于跟蹤目標變化不定、實際場景復雜、物體存在變形等,本文基于運動檢測與物體跟蹤相

2、結(jié)合的思想,將多物體跟蹤系統(tǒng)分為運動檢測模塊、團塊檢測模塊、跟蹤模塊和軌跡產(chǎn)生模塊四部分,對提高運動檢測與物體跟蹤的實時性、魯棒性與精確性進行了研究。本文的主要研究內(nèi)容如下:運動檢測部分,首先詳細分析了基于碼本模型的背景差法,在原算法基礎上,將像素在時域視為高斯分布,使之更符合統(tǒng)計規(guī)律和人體視覺系統(tǒng),重新定義了碼本、亮度失真度及更新規(guī)則,從而能檢測更加完整的前景目標。接著詳細分析了基于貝葉斯分類的背景差法,并基于碼本模型中的顏色空間模型

3、,設計了新的閾值化法,能夠一定程度上抑制拖影現(xiàn)象。實驗表明,這兩種背景差法在存在環(huán)境噪聲、運動的背景等情況下,都能有效地檢測出運動的物體。目標跟蹤部分,在運動檢測的基礎上,給出了多物體跟蹤的框架,即將多物體跟蹤分解為多個單物體跟蹤的組合。一方面,將跟蹤問題視為最優(yōu)狀態(tài)估計問題,詳細研究了利用粒子濾波進行物體跟蹤的算法流程和實現(xiàn)方法。并采用目標顏色特征和運動特征相結(jié)合的似然函數(shù),以及采用MCMC改善粒子的重要性分布,從而提高了目標跟蹤的精

4、度和效率。另一方面,將跟蹤問題視為一分類問題,詳細研究了利用On-line Boosting實現(xiàn)物體跟蹤,據(jù)此分析了On-line Boosting算法、Absolute Haar特征、Haar-like特征、弱分類器設計、On-line Boosting跟蹤流程。本文對原On-line Boosting算法的重要性權(quán)值更新策略進行了改進,并采用上述粒子濾波器加快原On-line Boosting算法的跟蹤速度。數(shù)據(jù)關(guān)聯(lián)部分,考慮到跟蹤