智能視頻監(jiān)控系統(tǒng)目標(biāo)跟蹤與分類算法研究.pdf_第1頁
已閱讀1頁,還剩127頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著視頻監(jiān)控需求的迅速增長、監(jiān)控規(guī)模的日益擴大,人工監(jiān)視已遠(yuǎn)遠(yuǎn)不能滿足監(jiān)控要求,視頻監(jiān)控系統(tǒng)的“智能化”變得越來越迫切。研究高實時性高準(zhǔn)確度的智能視覺分析算法、多目視覺數(shù)據(jù)融合以及最優(yōu)化問題是智能視頻監(jiān)控系統(tǒng)研究的關(guān)鍵。本文針對智能視頻監(jiān)控系統(tǒng)中的運動目標(biāo)跟蹤與分類問題——從運動目標(biāo)分割、跟蹤和分類,到基于多目視覺數(shù)據(jù)融合的目標(biāo)連續(xù)罡艮蹤、跟蹤優(yōu)化分配以及目標(biāo)分類/跟蹤互協(xié)作,進行了深入研究,并設(shè)計和實現(xiàn)了基于嵌入式CPU和DSP相互協(xié)

2、作的智能攝像機原型系統(tǒng)。論文的主要研究內(nèi)容概述如下: 1.基于區(qū)域分割的復(fù)雜背景建模算法研究 針對復(fù)雜監(jiān)控場景,為了消除動態(tài)背景物、光照變化所產(chǎn)生的干擾以及無關(guān)的陰影區(qū)域,提出了基于區(qū)域分割的復(fù)雜背景建模算法。通過在色度和亮度空間對監(jiān)控背景進行有效的區(qū)域分類,在變化小的穩(wěn)定區(qū)域采用簡單快速的自適應(yīng)單高斯模型(Adaptive Single Gaussian Model),在變化大的動態(tài)區(qū)域采用計算復(fù)雜而有效的非參數(shù)化模型

3、(Nonparametric Model)。該算法采用通用合并方法(GAS)聚類填充動態(tài)區(qū)域中的小空隙,并在邊界處向外適當(dāng)擴充像素,以提高區(qū)域分割對動態(tài)環(huán)境的適應(yīng)性。在動態(tài)區(qū)域非參數(shù)化背景建模的訓(xùn)練階段,采用雙閥值順序算法方案(TTSAS)把所有的背景采樣值聚類成幾個高斯分布類,以加速新采樣值的核密度計算; 2.基于模型動態(tài)切換的運動目標(biāo)實時跟蹤算法研究 針對擁擠的監(jiān)控場景,為了實現(xiàn)遮擋狀態(tài)下目標(biāo)跟蹤的穩(wěn)定性,提出基于模

4、型動態(tài)切換的運動目標(biāo)實時跟蹤算法。通過對目標(biāo)遮擋狀態(tài)的有效判定,對未遮擋的單運動目標(biāo)采用基于區(qū)域跟蹤的簡單快速模型,對相互遮擋的復(fù)合運動目標(biāo)采用基于窄基線SIFT特征匹配的跟蹤模型。由于被跟蹤目標(biāo)在相鄰圖像幀之間尺度和外形變化很小以及基于目標(biāo)位置預(yù)測出的運動范圍有限,SIFT特征匹配模型實現(xiàn)了快速的窄基線小范圍特征匹配,達(dá)到了遮擋狀態(tài)下目標(biāo)跟蹤的穩(wěn)定性; 3.基于多目視覺的目標(biāo)連續(xù)跟蹤及跟蹤優(yōu)化研究 針對廣域監(jiān)控場景,提

5、出一種基于多目視覺的目標(biāo)連續(xù)跟蹤及跟蹤優(yōu)化方法。利用攝像機背景圖像之間的SIFT特征匹配自動檢測攝像機之間的重疊視域,并根據(jù)相匹配的SIFT關(guān)鍵點計算重疊視域之間單應(yīng)性變換矩陣的系數(shù),SIFT特征匹配和單應(yīng)性變換使跟蹤系統(tǒng)達(dá)到了穩(wěn)定的連續(xù)跟蹤。為了在目標(biāo)跟蹤過程中獲得更好的跟蹤效果,該方法通過基于多目視覺的跟蹤優(yōu)化算法對目標(biāo)的跟蹤優(yōu)先級和目標(biāo)在各個攝像機中的遮擋狀態(tài)及其分割圖像大小進行數(shù)據(jù)加權(quán)融合,優(yōu)先分配高僥先級目標(biāo)給具有最佳權(quán)值的攝

6、像機進行跟蹤,并動態(tài)平衡各個攝像機的計算資源與跟蹤負(fù)載。該方法不需要具備攝像機校正和場景建模條件,適用范圍較廣; 4.運動目標(biāo)分類算法研究 針對交通監(jiān)控場景特點,提出基于分區(qū)歸一化加權(quán)特征的目標(biāo)分類算法。通過提取簡單有效的運動特征和外形特征,并對交通監(jiān)控場景中不同交通方向的道路區(qū)域和不同的場景位置進行分區(qū),以提高目標(biāo)特征的可區(qū)分性。在分區(qū)后應(yīng)用AdaBoost方法評估各個特征的相對重要性,賦給每個特征一個歸一化權(quán)值,最后

7、生成一個線形分類器。由于遮擋狀態(tài)會嚴(yán)重影響目標(biāo)分類算法的性能,通過基于重疊攝像機數(shù)據(jù)融合的目標(biāo)分類與跟蹤互協(xié)作改善了擁塞場景中目標(biāo)分類算法的正確率。借助于重疊攝像機之間不同的視角方向,利用攝像機之間的視點對應(yīng)和數(shù)據(jù)融合決定最優(yōu)的分類與跟蹤結(jié)果,提高了遮擋狀態(tài)下運動目標(biāo)分類的準(zhǔn)確度和目標(biāo)跟蹤的穩(wěn)定性。 在以上研究基礎(chǔ)之上,本論文最后針對智能視頻監(jiān)控系統(tǒng)的核心功能單元——嵌入式智能攝像機系統(tǒng),設(shè)計一種新型的實時嵌入式智能攝像枧系統(tǒng),

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論