智能監(jiān)控視頻中的目標檢測、識別與跟蹤算法研究.pdf

1、視頻監(jiān)控已成為現(xiàn)代安全防范系統(tǒng)的重要組成部分，無論是道路交通、倉庫廠房、學校圍欄、銀行安保、公司安檢等都采用了視頻監(jiān)控作為防備安全的重要工具。而嵌入在監(jiān)控系統(tǒng)中的計算機智能圖像處理技術(shù)的重要性日益突出。例如，目標識別、越界識別、軌跡跟蹤、失物識別、車牌識別、預測報警等智能理解技術(shù)，其智能性也越來越高。同時，針對特定目標的實時跟蹤也是監(jiān)控系統(tǒng)重要的輔助技術(shù)。
　　本課題主要研究視頻監(jiān)控內(nèi)容的智能理解技術(shù)，包括對視頻中多目標的檢測、識

2、別和跟蹤等。提出了基于隨機選擇及多層次顏色空間的超分割方法，能滿足多目標分割覆蓋率并智能標注視頻序列中的多目標；提出了基于SURF特征的視覺詞典分類方法，能顯著提高目標識別率；提出了相似特征和相對移動相結(jié)合的多目標跟蹤方法，能實現(xiàn)多目標的實時跟蹤。本課題的主要研究內(nèi)容和貢獻：
　　1、提出了基于隨機選擇及多層次顏色空間的超分割方法。針對復雜場景中多目標的分割檢測，傳統(tǒng)方法需要對整個視頻序列進行全圖掃描，并精確定位目標。本文方法在多

3、層次顏色空間隨機選擇1000~10000個位置，能夠定位那些描述目標類別的圖像區(qū)域。該方法無需掃描整個視頻序列，既顯著降低目標檢測的時間開銷，又能保證對全圖目標分割的覆蓋率（recall），為后續(xù)目標識別提供足夠的有效信息。
　　2、提出了基于SURF特征的視覺詞典分類方法。針對bag-of-words（簡稱BOW）分類方法識別率較低的問題，采用SURF特征建立視覺詞匯，顯著提高了分類效果。將SURF視覺詞典分類方法用于普通場景分