基于概率存在場(chǎng)的多目標(biāo)快速檢測(cè)及跟蹤.pdf

1、目標(biāo)檢測(cè)和跟蹤是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的一個(gè)基礎(chǔ)課題，傳統(tǒng)單視角方法無(wú)法有效解決目標(biāo)遮擋、監(jiān)控范圍有限等問(wèn)題，而多視角方法能夠很好的克服這些問(wèn)題。目前常見的多視角方法是在成像平面上利用視覺(jué)信息，例如輪廓、紋理、顏色等特征對(duì)目標(biāo)的位置進(jìn)行估計(jì)。此類方法大多依賴于時(shí)態(tài)信息，采用貝葉斯框架來(lái)構(gòu)造運(yùn)動(dòng)及外觀模型。但當(dāng)時(shí)態(tài)信息連續(xù)出現(xiàn)錯(cuò)誤時(shí)，此類方法可能會(huì)無(wú)法正確繼續(xù)進(jìn)行下去，最終導(dǎo)致檢測(cè)結(jié)果失敗。
　　與目前常用的多視角目標(biāo)檢測(cè)方法不同，概率

2、存在場(chǎng)（Probabilistic Occupancy Map）目標(biāo)檢測(cè)算法在處理過(guò)程中幀與幀之間相互獨(dú)立，避免了由于時(shí)態(tài)信息連續(xù)出現(xiàn)錯(cuò)誤而導(dǎo)致檢測(cè)結(jié)果的失敗。POM算法能準(zhǔn)確得監(jiān)控到整個(gè)場(chǎng)景中所有目標(biāo)并確定各目標(biāo)的3D位置，具有很高的檢測(cè)精度和魯棒性。但是POM檢測(cè)處理速度較慢，離實(shí)時(shí)監(jiān)控還存在著很大的差距，這也限制了POM檢測(cè)算法在實(shí)際監(jiān)控場(chǎng)景中的應(yīng)用。
　　本文在概率存在場(chǎng)檢測(cè)算法的基礎(chǔ)上完成了以下研究工作：
　　1）

3、詳細(xì)分析了概率存在場(chǎng)算法的理論及其實(shí)現(xiàn)方法，并通過(guò)實(shí)驗(yàn)分析說(shuō)明了算法的有效性。在此基礎(chǔ)上對(duì)POM檢測(cè)算法輸入視頻及矩形框信息的獲取方法進(jìn)行了驗(yàn)證：首先對(duì)攝像機(jī)標(biāo)定及平面單應(yīng)性變換的知識(shí)進(jìn)行了簡(jiǎn)要介紹；然后以一個(gè)實(shí)例分析了POM算法輸入視頻及成像平面上的矩形框信息的獲取方法；最后將獲得輸入視頻及矩形框信息導(dǎo)入到POM檢測(cè)算法中，得到了目標(biāo)檢測(cè)的結(jié)果，驗(yàn)證了方法的有效性。
　　2）針對(duì)POM檢測(cè)算法在處理過(guò)程中速度較慢的問(wèn)題，提出了一

4、種加快算法處理速度的方法：當(dāng)監(jiān)控場(chǎng)景的地面面積過(guò)大時(shí)，算法對(duì)地面上的所有網(wǎng)格位置存在目標(biāo)的概率進(jìn)行估計(jì)會(huì)十分費(fèi)時(shí)，影響算法的處理速度。本文在算法進(jìn)行估計(jì)之前，根據(jù)前景圖像和地面網(wǎng)格位置信息，將需要處理的網(wǎng)格位置集中于待檢測(cè)目標(biāo)的附近，從而顯著減少需要處理的網(wǎng)格位置數(shù)量，提高算法處理速度。實(shí)驗(yàn)結(jié)果表明：在對(duì)檢測(cè)結(jié)果影響很小的情況下，算法速度得到了較大提升，取得了預(yù)期的實(shí)驗(yàn)結(jié)果。
　　3）在POM算法檢測(cè)結(jié)果的基礎(chǔ)上，利用3D位置特征

5、及顏色特征對(duì)相鄰幀目標(biāo)進(jìn)行特征匹配和目標(biāo)關(guān)聯(lián)，提出了一種基于多特征融合的多視角多目標(biāo)跟蹤方法。具體方法如下：首先利用3D位置特征和顏色直方圖特征對(duì)目標(biāo)進(jìn)行描述，在前后兩幀中目標(biāo)的每一種特征進(jìn)行匹配時(shí)選擇合適的特征匹配方法；并且采用線性加權(quán)的方法融合兩種特征的匹配結(jié)果，從而得到一個(gè)綜合置信度對(duì)特征匹配的結(jié)果進(jìn)行描述。然后采用區(qū)域輔助判定法提取目標(biāo)出現(xiàn)在監(jiān)控場(chǎng)景中的初始模板特征，并在后續(xù)幀中利用前一幀目標(biāo)模板匹配結(jié)果對(duì)后一楨目標(biāo)模板進(jìn)行持續(xù)