視頻監(jiān)控中運(yùn)動目標(biāo)發(fā)現(xiàn)與跟蹤算法研究.pdf

1、視頻監(jiān)控對于智能城市管理、打擊違法犯罪以及建設(shè)平安城市與智慧城市具有重要作用。隨著數(shù)字采集和存儲技術(shù)的快速發(fā)展,視頻監(jiān)控系統(tǒng)得到迅速普及,目前己成為社會公共安全監(jiān)控系統(tǒng)的核心組成。如今快速增加的攝像頭覆蓋了城市的每一個(gè)角落,帶來了海量的視頻數(shù)據(jù)。面對海量數(shù)據(jù),傳統(tǒng)的視頻監(jiān)控系統(tǒng)效率低下,對人力的消耗巨大,智能化成為視頻監(jiān)控必然的發(fā)展方向。
　　 如何自動發(fā)現(xiàn)和跟蹤感興趣的目標(biāo)是智能視頻監(jiān)控中的基礎(chǔ)性問題,是工業(yè)界和學(xué)術(shù)界關(guān)注的熱

2、點(diǎn)之一。但是,由于監(jiān)控環(huán)境的復(fù)雜性,這些問題至今并沒有得到很好的解決,仍具有巨大的研究價(jià)值。本文從智能視頻監(jiān)控的實(shí)際需求出發(fā),圍繞運(yùn)動目標(biāo)發(fā)現(xiàn)與跟蹤展開深入研究,針對復(fù)雜環(huán)境提出了魯棒的高效算法,彌補(bǔ)現(xiàn)有算法的不足。
　　 本文主要研究內(nèi)容和創(chuàng)新成果如下:
　　 1.提出了一種SCBP特征和基于此特征的背景建模算法。該算法有兩個(gè)突出優(yōu)勢:一方面,SCBP特征融合了顏色與紋理信息,對前景和背景的區(qū)分能力強(qiáng),大幅提高了背景模

3、型的靈敏性；另一方面,提出了一種有效的輪廓優(yōu)化方法,克服了基于區(qū)域直方圖的方法對目標(biāo)輪廓檢測不準(zhǔn)確的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明,提出的背景建模算法對動態(tài)背景比較魯棒,能同時(shí)獲得較優(yōu)的檢測率與較低的誤檢率。
　　 2.提出了一種基于時(shí)空連續(xù)性約束的前景檢測算法。視頻數(shù)據(jù)在時(shí)間和空間上都具有高度的相關(guān)性,具體到前景檢測問題,這意味著鄰近的像素點(diǎn)傾向于具有相同的類別標(biāo)簽。傳統(tǒng)的建模方法對時(shí)間和空間上的雙重連續(xù)性缺乏考慮或考慮不夠全面。提出的前

4、景檢測算法在馬爾科夫隨機(jī)場框架下,對像素點(diǎn)之間的時(shí)空連續(xù)性和特征與模型的相似性進(jìn)行同步考慮,求得全局最優(yōu)解。在不同背景模型下的實(shí)驗(yàn)結(jié)果均表明,該算法能顯著提高前景檢測的準(zhǔn)確性。
　　 3.提出了一種基于部件的非特定目標(biāo)跟蹤算法?；谔岢龅木仃嚹Ｐ?該算法成功的解決了傳統(tǒng)基于部件的跟蹤算法對目標(biāo)的物理結(jié)構(gòu)等先驗(yàn)信息的依賴問題。矩陣模型不理會目標(biāo)的物理結(jié)構(gòu),直接將目標(biāo)劃分為若干圖像塊。每個(gè)圖像塊對應(yīng)于目標(biāo)的一個(gè)部件,用檢測器和權(quán)重來

5、描述。為了適應(yīng)目標(biāo)外觀的動態(tài)變化,這兩個(gè)屬性都自動在線更新。通過矩陣模型和權(quán)重策略,所提方法有效地減輕了跟蹤器的漂移問題。實(shí)驗(yàn)結(jié)果表明,提出的基于部件的跟蹤算法能實(shí)時(shí)跟蹤,且對光照、姿態(tài)、遮擋、運(yùn)動等多種干擾具有良好的魯棒性,跟蹤性能優(yōu)于其它算法。
　　 4.搭建了一個(gè)面向目標(biāo)的監(jiān)控視頻檢索的原型系統(tǒng)?；谏鲜龅难芯砍晒?我們搭建了一個(gè)監(jiān)控視頻檢索的原型系統(tǒng),為用戶提供一種快捷方便的視頻查詢和回放服務(wù)。該系統(tǒng)以視頻中的運(yùn)動目標(biāo)為