智能監(jiān)控中行人跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，隨著我國開展的“平安城市”、“智慧城市”工程及數(shù)字采集技術(shù)和數(shù)據(jù)存儲(chǔ)技術(shù)的快速發(fā)展，圖像采集設(shè)備得到了迅速普及，視頻監(jiān)控系統(tǒng)成為了城市社會(huì)公共安全監(jiān)控平臺(tái)的核心成分。作為監(jiān)控系統(tǒng)關(guān)鍵技術(shù)之一的目標(biāo)檢測(cè)與跟蹤技術(shù)，逐步成為國內(nèi)外學(xué)術(shù)界研究熱點(diǎn)。在實(shí)際應(yīng)用場(chǎng)景中，目標(biāo)跟蹤系統(tǒng)所處的工作環(huán)境一般比較復(fù)雜，存在著光照變化、目標(biāo)形態(tài)尺度變化和強(qiáng)背景干擾、遮擋問題及目標(biāo)丟失問題等不確定因素，這些因素對(duì)目標(biāo)跟蹤算法的魯棒性、精度和實(shí)時(shí)性提出了

2、較高的要求。為此，本文將對(duì)上述不確定因素進(jìn)行深入討論分析研究，提出相應(yīng)的解決方案，從而提高整個(gè)目標(biāo)跟蹤系統(tǒng)的魯棒性和準(zhǔn)確性。主要內(nèi)容包括以下三個(gè)方面:
　　首先，研究分析在實(shí)際工作場(chǎng)景中的光照條件的變化和部分遮擋問題，提出一種基于稀疏表示的生成式模型目標(biāo)跟蹤算法。同時(shí)，為了盡可能提高算法跟蹤速度，提出兩種粒子預(yù)、處理方法，在幾乎不影響跟蹤算法精度的同時(shí)，降低了跟蹤時(shí)間復(fù)雜度。使用局部特征思想對(duì)候選目標(biāo)進(jìn)行分塊處理，獲取包含部分整體

3、位置信息在內(nèi)的局部特征（稀疏直方圖）。此外，依據(jù)分塊重建誤差獲得候選目標(biāo)的遮擋狀態(tài)矩陣，實(shí)現(xiàn)對(duì)遮擋問題的處理。通過仿真實(shí)驗(yàn)分析，驗(yàn)證了該算法對(duì)光照變化及部分遮擋問題的魯棒性。
　　其次，研究分析在實(shí)際工作場(chǎng)景中的目標(biāo)形態(tài)尺度變化和強(qiáng)背景干擾問題、及跟蹤算法跟蹤誤差小而跟蹤準(zhǔn)確率低的問題，提出一種基于稀疏表示的判決與生成聯(lián)合模型跟蹤算法。本算法是在前一個(gè)算法基礎(chǔ)上完成的。判決模型中，首先對(duì)原始灰度特征進(jìn)行特征選擇，獲取高區(qū)分度的特征

4、，之后采用基于稀疏表示的分類器獲取候選目標(biāo)的置信度。生成模型中，一方面，使用基于kd-tree簡單目標(biāo)跟蹤算法快速獲取初始模板字典集合D;另一方面，獲得每個(gè)候選目標(biāo)在模板字典D下的稀疏系數(shù)向量池后，提出使用結(jié)構(gòu)稀疏的性質(zhì)，對(duì)向量池中每個(gè)分塊在不同模板的相同位置分塊的稀疏系數(shù)值求和，得到候選目標(biāo)稀疏系數(shù)集，對(duì)角化獲取其相似度，進(jìn)而得到整個(gè)候選目標(biāo)的總相似度。在模板更新部分，提出利用主成分分析的方式獲取更新模板，采用基于增量子空間方式分析獲

5、取模板集合中待更新模板，完成生成模型的更新。通過以上處理，算法在處理跟蹤過程中的光照變化、短期遮擋問題、形態(tài)變化、尺度變化和強(qiáng)背景干擾等問題時(shí)，體現(xiàn)出了較好的魯棒性和穩(wěn)定性。
　　最后，研究分析行人跟蹤中目標(biāo)丟失問題，提出包含目標(biāo)丟失判決與檢測(cè)功能的目標(biāo)跟蹤算法。算法主要由兩部分組成，其主體部分是目標(biāo)跟蹤算法流程，在其中加入目標(biāo)丟失判決流程和多尺度目標(biāo)檢測(cè)環(huán)節(jié)構(gòu)成完整的算法。在目標(biāo)丟失判決階段，考慮整個(gè)算法的時(shí)間復(fù)雜度，根據(jù)分塊數(shù)