視頻監(jiān)控中的目標(biāo)檢測與跟蹤問題研究.pdf

1、目標(biāo)檢測與跟蹤技術(shù)是計算機視覺、視頻圖像監(jiān)控與模式識別領(lǐng)域中的核心課題之一，主要的目標(biāo)為獲取跟蹤目標(biāo)的位置信息與運動參數(shù)（如速度、加速度等）并得出目標(biāo)在圖像序列中的運動軌跡，為進(jìn)一步的圖像理解、目標(biāo)行為分析等做好基礎(chǔ)，從而完成更高級的課題任務(wù)。本文以道路上的車輛為研究對象，針對不同場景下的車輛跟蹤問題進(jìn)行了研究。論文的主要研究是基于跟蹤-學(xué)習(xí)-檢測的思想，通過檢測器來增強跟蹤器的穩(wěn)定性，并使用跟蹤器的結(jié)果作為正負(fù)樣本在線學(xué)習(xí)更新檢測器參

2、數(shù)。論文主要包含三個部分：迭代跟蹤器算法研究、檢測器研究與在線學(xué)習(xí)方法研究。
　　首先，根據(jù)跟蹤實際需求，設(shè)計跟蹤器模塊。文中首先比較了三種不同的算法，并在其基礎(chǔ)上分析改進(jìn)，提出了一種光流Mean-shift融合的方法來對目標(biāo)進(jìn)行跟蹤，并與一般光流法比較，給出實驗分析，得出較好的實驗結(jié)果。
　　其次，設(shè)計目標(biāo)檢測模塊。分別嘗試了Haar特征分類器和級聯(lián)分類器檢測目標(biāo)，并在級聯(lián)分類器中改進(jìn)滑動窗口搜索機制，并應(yīng)用ViBe前景提

3、取算法作為第二步弱分類器，采用隨機蕨類分類器作為第三級分類器，最后使用模板匹配得出檢測目標(biāo)位置。
　　在此基礎(chǔ)上，對算法中的學(xué)習(xí)融合模塊做出設(shè)計?；谶\動連續(xù)性原則，以跟蹤結(jié)果鄰近滑動窗口圖像塊作為正樣本，其余為負(fù)樣本，對檢測器參數(shù)進(jìn)行了在線學(xué)習(xí)，得到級聯(lián)檢測器的模板匹配方法中的樣本類更新以及
　　最后，實驗使用PETS2000數(shù)據(jù)庫和實際交通監(jiān)控視頻驗證算法。實驗結(jié)果表明在多個場景下，達(dá)到了一定的準(zhǔn)確率，但是跟蹤速度不能滿