智能視頻監(jiān)控中的遮擋目標跟蹤技術(shù)研究.pdf

1、近年來，智能視頻監(jiān)控技術(shù)引起了越來越多研究人員的重視，然而該技術(shù)的發(fā)展卻遇到了多方面的制約，遮擋目標跟蹤就是其中之一。在單攝像機的視頻監(jiān)控中，由于觀察角度等原因，目標之間的相互遮擋是普遍的現(xiàn)象。這對目標跟蹤算法準確跟蹤目標帶來很大影響，甚至嚴重影響視頻監(jiān)控系統(tǒng)的應用。因此，本文重點研究遮擋目標的跟蹤問題。 本文利用貝葉斯理論為目標跟蹤問題建模，并對該模型進行理論推導，分別為四種不同的跟蹤類型（目標進入場景、離開場景、單目標跟蹤和

2、遮擋目標跟蹤）推導出表達式。 在多目標跟蹤中，由于目標自身的情況和目標之間情況的不同，目標跟蹤的難度也存在很大差異。為了度量目標的跟蹤難度，本文提出不可跟蹤性理論，描述三種不同的定義形式：整個圖象序列所有目標的不可跟蹤性、相鄰幀之間所有目標的不可跟蹤性以及相鄰幀中單個目標的不可跟蹤性，并提出了不可跟蹤性的簡化計算方法，通過實驗驗證了影響不可跟蹤性的四種因素（場景中目標數(shù)量、目標的分辨率、目標的運動速度和跟蹤特征之間的可區(qū)分性）。

3、利用不可跟蹤性理論作為指導得到了兩種解決遮擋目標跟蹤問題的方法：遮擋目標的自動組合和遮擋目標跟蹤中的動態(tài)特征選擇。 由于前面提到的跟蹤遮擋目標的方法具有一定的局限性，因此本文提出了一個通用的解決遮擋目標跟蹤問題的方法。該方法利用遮擋分層的概念來描述目標之間的遮擋關(guān)系；利用目標重疊區(qū)域的外觀特征和速度特征來幫助確定目標遮擋關(guān)系；利用目標的遮擋關(guān)系和狀態(tài)信息來獲取遮擋目標的非遮擋部分；利用目標非遮擋部分的外觀特征和速度特征的組合來描

4、述遮擋目標；對傳統(tǒng)的均值平移跟蹤算法進行改進，利用外觀直方圖和速度直方圖信息來確定目標的位置；并利用目標在當前時刻以前的目標尺度變化來預測當前時刻目標尺度變化的各個可能性的概率，并通過對尺度變化的概率進行采樣來確定目標的尺度變化。 描述目標狀態(tài)的參數(shù)包括目標的位置、尺度和目標之間的遮擋關(guān)系，這些參數(shù)之間互相關(guān)聯(lián)，而且目標的參數(shù)空間包括離散變量和連續(xù)變量，參數(shù)空間隨目標數(shù)量的變化而變化，因此本文應用馬爾可夫鏈蒙特卡羅方法來求解相關(guān)

5、遮擋目標的最優(yōu)狀態(tài)。在求解最優(yōu)狀態(tài)的過程中，本文對目標模型中的位置、遮擋關(guān)系和尺度三個方面的參數(shù)構(gòu)建狀態(tài)轉(zhuǎn)移函數(shù)以加速算法收斂。在算法收斂過程中，三個方面的參數(shù)通過采樣被逐步地調(diào)整以消除這些參數(shù)之間的關(guān)聯(lián)，保證算法收斂到全局最優(yōu)。當跟蹤算法收斂時，則認為此時模型的狀態(tài)參數(shù)為目標的最優(yōu)狀態(tài)。 本文利用多段具有遮擋目標的圖象序列對提出的跟蹤遮擋目標的方法進行測試，從實驗結(jié)果來看，本文的跟蹤算法能夠?qū)λx取的大多數(shù)情況的遮擋目標進行很