基于在線學習的視頻多目標關聯(lián)技術(shù)研究.pdf

1、隨著監(jiān)控在維持社會安定方面發(fā)揮著越來越重要的作用，監(jiān)控視頻的數(shù)量呈“爆炸”式增長，面對海量的視頻數(shù)據(jù)，多目標關聯(lián)與跟蹤方法在計算復雜度、實時性要求等方面面臨挑戰(zhàn)。關聯(lián)與跟蹤系統(tǒng)是一個動態(tài)估計問題，利用的是目標在時間上的連續(xù)性和空間上的相關性，然而當視頻存在破壞造成數(shù)據(jù)不完整或者需要跨攝像機、跨視頻進行目標關聯(lián)時，目標在時間上和空間上不再連續(xù)，此時基于視頻時間線索和連續(xù)幀間目標位移信息的關聯(lián)方法可能失效。針對以上視頻多目標關聯(lián)中所存在的問

2、題，論文提出基于在線學習的視頻多目標關聯(lián)技術(shù)，主要內(nèi)容包括以下幾個方面：
　?。?）針對大規(guī)模數(shù)據(jù)處理問題提出在線學習方法。在線學習是解決大規(guī)模數(shù)據(jù)訓練復雜度高的有效方法，視頻數(shù)據(jù)以流的方式到達，符合在線學習的數(shù)據(jù)特征，每到達一個數(shù)據(jù)學習算法就對當前模型做一次更新，而不用等到數(shù)據(jù)全部獲得，以提高運算效率，并且分類器的實時更新能更好地適應數(shù)據(jù)特征變化；
　?。?）設計和實現(xiàn)了在線支持向量機及其預測器稀疏化?；诤说腟VM算法在

3、解決非線性分類問題上表現(xiàn)突出，論文利用凸優(yōu)化理論中的Fenchel對偶，將其轉(zhuǎn)變?yōu)樵诰€形式，并通過對偶提升分析設計一種基于窗函數(shù)方法的分類器更新機制。對分類器進行選擇性地更新，提高了分類器的稀疏性；對對偶提升進行限制，增強了分類器對噪聲的魯棒性，從而保證數(shù)據(jù)分類的準確性。多個數(shù)據(jù)集上的實驗結(jié)果驗證了算法的有效性；
　?。?）設計并實現(xiàn)了融入目標分類的多目標關聯(lián)技術(shù)。以在線支持向量機作為分類器的多目標關聯(lián)技術(shù)，并不以目標在時間上和空

4、間上的連續(xù)性作為關聯(lián)線索，因此在視頻數(shù)據(jù)不完整、丟失幀、甚至幀順序打亂的情況下仍然能夠有效地關聯(lián)目標。另外，此目標關聯(lián)技術(shù)亦適用于跨視頻、跨攝像機進行目標關聯(lián)，而不用重新構(gòu)造關聯(lián)模型；
　?。?）針對是實時性要求提出并行化檢測關聯(lián)結(jié)構(gòu)。論文提出將多目標跟蹤中的目標檢測和目標關聯(lián)分離，作為兩個單獨的模塊來并行化處理視頻，即多個視頻幀同時進行多目標檢測關聯(lián)，這種結(jié)構(gòu)可以有效解決一般多目標檢測關聯(lián)方法中實時性與準確性不能同時提高的矛盾。