交通監(jiān)控系統(tǒng)中目標(biāo)跟蹤與行為識(shí)別研究.pdf

1、智能交通監(jiān)控系統(tǒng)能夠?qū)煌ㄊ录M(jìn)行自動(dòng)化檢測(cè),對(duì)行人或車(chē)輛進(jìn)行智能化監(jiān)視,更能適應(yīng)實(shí)際應(yīng)用的需要。論文主要對(duì)智能交通監(jiān)控系統(tǒng)中的目標(biāo)檢測(cè)、目標(biāo)跟蹤、以及目標(biāo)行為分析理解三個(gè)環(huán)節(jié)中存在的關(guān)鍵問(wèn)題進(jìn)行深入研究,并提出新的解決方法,主要工作體現(xiàn)在以下幾個(gè)方面:
　　 (1)針對(duì)當(dāng)前大多利用單一模型進(jìn)行目標(biāo)檢測(cè)存在的問(wèn)題,比如高誤檢率,光照敏感,動(dòng)態(tài)場(chǎng)景魯棒性差等問(wèn)題,提出了一種混合運(yùn)動(dòng)檢測(cè)模型,將對(duì)光照變化不敏感的目標(biāo)檢測(cè)模型和對(duì)動(dòng)態(tài)

2、場(chǎng)景變化跟蹤能力快的運(yùn)動(dòng)檢測(cè)模型融合,利用融合策略消除檢測(cè)過(guò)程中的漏檢和誤檢。最后提出利用速運(yùn)動(dòng)目標(biāo)檢測(cè)法減少該模型的計(jì)算量,加上被融合的兩種模型都有較好的實(shí)時(shí)性特點(diǎn),使得混合模型仍然具備一定的實(shí)時(shí)性。
　　 (2)研究了跟蹤過(guò)程中的目標(biāo)描述,提出一種基于多特征選擇的運(yùn)動(dòng)目標(biāo)跟蹤算法。將RankBoos與AdaBoost組合,構(gòu)建混合boosting算法,根據(jù)目標(biāo)信息和背景信息選擇特征,建立特征排序分類(lèi)器,并在跟蹤的過(guò)程中不斷自

3、適應(yīng)更新。采用卡爾曼濾波對(duì)目標(biāo)區(qū)域進(jìn)行粗預(yù)測(cè),然后利用排序分類(lèi)器結(jié)合Mean-shift算法完成目標(biāo)的精確跟蹤。該算法可以根據(jù)不同的目標(biāo)和背景信息,自適應(yīng)的進(jìn)行特征選擇,對(duì)于克服場(chǎng)景中存在光照、干擾、遮擋等問(wèn)題是非常有利的。
　　 (3)提出了一種基于軌跡分析的運(yùn)動(dòng)行為識(shí)別方法。通過(guò)采用聚類(lèi)的方法對(duì)跟蹤得到的軌跡進(jìn)行行為模式學(xué)習(xí)得到運(yùn)動(dòng)模式的軌跡參考序列。然后將軌跡視為時(shí)間序列,利用動(dòng)態(tài)時(shí)間歸正(DTW)技術(shù)對(duì)時(shí)間序列長(zhǎng)度沒(méi)有限