基于視頻的物體識(shí)別及運(yùn)動(dòng)跟蹤.pdf

1、計(jì)算機(jī)視覺(jué)(Computer Vision)是研究如何使計(jì)算機(jī)對(duì)圖像數(shù)據(jù)產(chǎn)生智能化感知的一門(mén)學(xué)科。運(yùn)動(dòng)物體識(shí)別、檢測(cè)與跟蹤有廣闊的運(yùn)用前景,是計(jì)算機(jī)視覺(jué)研究的熱點(diǎn)和重要領(lǐng)域。運(yùn)動(dòng)物體檢測(cè)與跟蹤算法不僅可以作為主要算法應(yīng)用于視頻監(jiān)視、交通監(jiān)管等方面,又能作為其他算法的基礎(chǔ)應(yīng)用于機(jī)器人技術(shù)、認(rèn)證系統(tǒng)、人機(jī)交互等領(lǐng)域。同時(shí),對(duì)運(yùn)動(dòng)物體檢測(cè)與跟蹤的研究能為更高層的計(jì)算機(jī)視覺(jué)分析提供基礎(chǔ)的信息。因此,運(yùn)動(dòng)物體檢測(cè)與跟蹤一直是計(jì)算機(jī)視覺(jué)研究的熱點(diǎn)和

2、重要方向。經(jīng)過(guò)幾十年的研究,人們對(duì)這個(gè)問(wèn)題從多個(gè)方面設(shè)計(jì)出了許多解決的方法。
　　然而鑒于運(yùn)動(dòng)物體識(shí)別及跟蹤問(wèn)題的復(fù)雜性,在識(shí)別的精度及檢測(cè)跟蹤的實(shí)時(shí)性上仍存在很多難點(diǎn),未有一種標(biāo)準(zhǔn)的方法能應(yīng)用于所有的場(chǎng)景。例如傳統(tǒng)的基于學(xué)習(xí)的分類(lèi)器由于對(duì)特征的抽取計(jì)算量大,無(wú)法達(dá)到實(shí)時(shí)性要求。而一些跟蹤的方法利用對(duì)幀間的差分來(lái)檢測(cè)運(yùn)動(dòng)的圖像塊,卻忽視了利用檢測(cè)來(lái)縮小跟蹤識(shí)別范圍以降低時(shí)間復(fù)雜度的優(yōu)勢(shì)。
　　本文首先總結(jié)分析了物體識(shí)別與跟蹤

3、技術(shù)有關(guān)的理論、算法及研究現(xiàn)狀,特別是對(duì)基于統(tǒng)計(jì)學(xué)習(xí)的識(shí)別方法和運(yùn)動(dòng)預(yù)測(cè)的方法進(jìn)行了詳細(xì)的介紹和性能分析。接著,本文結(jié)合國(guó)內(nèi)外研究成果的基礎(chǔ)上,提出了一種基于特征學(xué)習(xí)及運(yùn)動(dòng)預(yù)測(cè)的物體識(shí)別及跟蹤算法,并將其應(yīng)用到一種基于H A A R特征和HOG特征的車(chē)輛識(shí)別和跟蹤系統(tǒng)中。該系統(tǒng)能針對(duì)不同的特征的分類(lèi)器組成級(jí)聯(lián)分類(lèi)器,利用運(yùn)動(dòng)預(yù)測(cè)模型提高車(chē)輛識(shí)別的實(shí)時(shí)性及準(zhǔn)確性,能夠適用于復(fù)雜場(chǎng)景下的車(chē)輛檢測(cè)和跟蹤,不受背景場(chǎng)景的限制。
　　最后,

4、本文介紹了利用基于特征學(xué)習(xí)及運(yùn)動(dòng)預(yù)測(cè)模型的跟蹤算法設(shè)計(jì)的車(chē)輛檢測(cè)系統(tǒng),并且通過(guò)對(duì)不同天氣及不同類(lèi)型車(chē)輛進(jìn)行實(shí)驗(yàn),將實(shí)驗(yàn)結(jié)果進(jìn)行了分析,比較了傳統(tǒng)基于檢測(cè)的跟蹤算法及基于特征學(xué)習(xí)及運(yùn)動(dòng)預(yù)測(cè)模型算法的優(yōu)劣。通過(guò)實(shí)驗(yàn),可以驗(yàn)證基于特征學(xué)習(xí)及運(yùn)動(dòng)預(yù)測(cè)模型的識(shí)別跟蹤算法在實(shí)時(shí)性及準(zhǔn)確性上有優(yōu)良的表現(xiàn)。同時(shí),本文也對(duì)基于特征學(xué)習(xí)及運(yùn)動(dòng)預(yù)測(cè)模型的識(shí)別跟蹤算法仍存在的問(wèn)題進(jìn)行了分析,特別是對(duì)誤識(shí)別的情形進(jìn)行了理論分析,也對(duì)未來(lái)的研究方向提出了建議與展望