監(jiān)控視頻中的對(duì)象跟蹤與速度估計(jì).pdf

1、在智能監(jiān)控領(lǐng)域，復(fù)雜背景下的人體跟蹤是一項(xiàng)具有挑戰(zhàn)性的工作。各種不利因素，如雜亂的背景、光照的改變以及遮擋，都極大影響人體跟蹤的準(zhǔn)確性和魯棒性。本文提出在跟蹤過(guò)程中主動(dòng)學(xué)習(xí)對(duì)象在視野中不同區(qū)域的尺度分布，使用該約束條件提高跟蹤系統(tǒng)的穩(wěn)定性。對(duì)象尺度分布學(xué)習(xí)算法對(duì)監(jiān)控視野內(nèi)跟蹤對(duì)象所處位置與其尺度之間的線性關(guān)系進(jìn)行學(xué)習(xí)，并采用帶權(quán)線性擬合方式求解模型參數(shù)。在模型訓(xùn)練過(guò)程中，通過(guò)背景剪除算法得到監(jiān)控視頻中不同位置對(duì)應(yīng)的人體前景塊大小。實(shí)驗(yàn)結(jié)

2、果表明該方法比傳統(tǒng)的Cam—Shift跟蹤算法有更好的效果，使用視野尺度分布作為約束可以有效的提高跟蹤算法的準(zhǔn)確性和魯棒性。
　　 在對(duì)象跟蹤的研究基礎(chǔ)之上，本文還提出了一種新的車(chē)速檢測(cè)算法。不同于以往的車(chē)速檢測(cè)算法，本算法無(wú)需在路上放置標(biāo)定物，也不需要進(jìn)行攝像頭手工標(biāo)定?；谔囟ǖ耐队耙?guī)則，得到了圖像坐標(biāo)與物理坐標(biāo)間的一種特定的映射關(guān)系。并使用非線性回歸的方法估計(jì)模型參數(shù)。該模型將監(jiān)控?cái)z像頭拍攝到的視頻序列中車(chē)輛的位置恢復(fù)到現(xiàn)