本文關(guān)鍵詞：跨攝像頭的人員追蹤算法研究

  更多相關(guān)文章： 跨攝像頭 行人檢測 行人跟蹤 目標(biāo)匹配 SIFT特征

【摘要】：隨著科技的進(jìn)步和人類的發(fā)展,安全問題越來越多地引起人們的重視。而攝像頭的視頻監(jiān)控正是維護(hù)社會安全的重要手段之一。公安機(jī)關(guān)打造的“天網(wǎng)監(jiān)控系統(tǒng)”利用設(shè)置在大街小巷的大量攝像頭組成了監(jiān)控網(wǎng)絡(luò),是公安機(jī)關(guān)打擊犯罪的有力手段,是城市治安的堅(jiān)強(qiáng)后盾。由于安裝視頻監(jiān)控的場所越來越多,外界環(huán)境和人員情況日趨復(fù)雜,由人工觀看監(jiān)控視頻再進(jìn)行手動處理耗時又耗力,所以研究智能化的視頻監(jiān)控系統(tǒng)迫在眉睫。本文進(jìn)行的跨攝像頭的人員追蹤算法研究,正是跨過多個攝像頭對同一行人目標(biāo)進(jìn)行檢測和跟蹤,解決了單攝像頭跟蹤的視野場景受限制、行人信息不完善等缺點(diǎn),達(dá)到智能化監(jiān)控的目的。本文進(jìn)行的跨攝像頭的人員追蹤算法研究重點(diǎn)解決了三個方面的問題:1、單攝像頭的行人檢測;2、單攝像頭的行人跟蹤;3、跨攝像頭的目標(biāo)匹配。在進(jìn)行了單攝像頭的行人檢測和跟蹤后,再對不同攝像頭的跟蹤目標(biāo)進(jìn)行匹配,完成了目標(biāo)在兩個攝像頭間的移交工作,進(jìn)而實(shí)現(xiàn)了跨攝像頭的人員追蹤。首先,在學(xué)習(xí)了行人檢測的大量特征和分類器原理的基礎(chǔ)上,運(yùn)用HOG特征和SVM分類器的經(jīng)典搭配進(jìn)行行人檢測實(shí)驗(yàn),檢測出的行人用于后續(xù)跨攝像頭的目標(biāo)匹配。然后,對于單攝像頭的行人跟蹤部分,在光流法的基礎(chǔ)上進(jìn)行了改進(jìn),不僅計(jì)算了正向光流還反向地回溯光流,保證了跟蹤結(jié)果的準(zhǔn)確性和穩(wěn)定性。最后,在單攝像頭的行人檢測和跟蹤都取得較好的結(jié)果后,重點(diǎn)研究了跨攝像頭的目標(biāo)匹配問題,即把跟蹤目標(biāo)從一個攝像頭成功地移交到另一個攝像頭,也就完成了跨攝像頭的人員追蹤。本文提出了兩種算法進(jìn)行跨攝像頭的目標(biāo)匹配。算法一為改進(jìn)的SIFT特征匹配算法。首先將跟蹤目標(biāo)進(jìn)行多形式變換,保存目標(biāo)的多個狀態(tài),以獲得更多的SIFT特征點(diǎn)。然后用SIFT進(jìn)行兩個目標(biāo)間的匹配,達(dá)到預(yù)定的閾值即匹配成功,將目標(biāo)從一個攝像頭移交給另一個攝像頭。該算法即使在攝像頭存在遠(yuǎn)近變換和角度偏移的情況時也能順利匹配目標(biāo)。算法二綜合運(yùn)用檢測和跟蹤的結(jié)果級聯(lián),不斷用跟蹤的結(jié)果去指導(dǎo)分類器訓(xùn)練,然后進(jìn)行目標(biāo)檢測,并利用檢測的目標(biāo)調(diào)整跟蹤的過程,使跟蹤更加準(zhǔn)確。這樣在多個攝像頭的視頻數(shù)據(jù)里,檢測結(jié)果和跟蹤結(jié)果不斷互相指導(dǎo),使得檢測部分對檢測目標(biāo)更加敏感,跟蹤部分的跟蹤路徑更加準(zhǔn)確。在聯(lián)網(wǎng)的多個攝像頭網(wǎng)絡(luò)中,被追蹤的目標(biāo)不斷在系統(tǒng)的檢測部分和跟蹤部分傳遞,通過在線訓(xùn)練,加大了跨攝像頭人員追蹤的準(zhǔn)確性。經(jīng)實(shí)驗(yàn)論證分析,本文提出的方法能夠有效地進(jìn)行跨攝像頭的人員追蹤,得到追蹤目標(biāo)在多個攝像頭的準(zhǔn)確結(jié)果。
【關(guān)鍵詞】：跨攝像頭 行人檢測 行人跟蹤 目標(biāo)匹配 SIFT特征
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-14
• 1.1 引言10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 本論文主要工作12-14
• 第2章 跨攝像頭人員追蹤的關(guān)鍵技術(shù)14-19
• 2.1 行人檢測14-16
• 2.2 行人跟蹤16-17
• 2.3 目標(biāo)匹配17-18
• 2.4 小結(jié)18-19
• 第3章 基于特征的行人檢測19-33
• 3.1 行人檢測的難點(diǎn)問題19-20
• 3.2 用于行人檢測的特征20-23
• 3.2.1 Haar特征20-21
• 3.2.2 LBP特征21-22
• 3.2.3 HOG特征22-23
• 3.3 分類算法介紹23-30
• 3.3.1 隨機(jī)森林分類器24-25
• 3.3.2 Adaboost分類器25-26
• 3.3.3 最近鄰分類器26-27
• 3.3.4 SVM分類器27-30
• 3.4 實(shí)驗(yàn)結(jié)果30-32
• 3.5 小結(jié)32-33
• 第4章 基于改進(jìn)光流法的行人跟蹤33-46
• 4.1 均值漂移33-38
• 4.1.1 mean-shift算法34-36
• 4.1.2 CAMSHIFT算法36-38
• 4.2 卡爾曼濾波38-40
• 4.3 改進(jìn)的光流法跟蹤40-43
• 4.4 實(shí)驗(yàn)結(jié)果及分析43-45
• 4.5 小結(jié)45-46
• 第5章 跨攝像頭的目標(biāo)匹配46-62
• 5.1 行人匹配的難點(diǎn)46-47
• 5.2 模板匹配47-48
• 5.3 SIFT特征匹配48-53
• 5.3.1 SIFT特征48-49
• 5.3.2 改進(jìn)的SIFT特征用于目標(biāo)匹配49-50
• 5.3.3 實(shí)驗(yàn)結(jié)果及分析50-53
• 5.4 運(yùn)用分類器的匹配53-60
• 5.4.1 匹配算法設(shè)計(jì)54-57
• 5.4.2 實(shí)驗(yàn)結(jié)果及分析57-60
• 5.5 小結(jié)60-62
• 第6章 總結(jié)與展望62-64
• 6.1 總結(jié)62-63
• 6.2 不足與展望63-64
• 參考文獻(xiàn)64-68
• 作者簡介68-69
• 致謝69

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李曉冰;;經(jīng)緯儀序列測量圖像目標(biāo)匹配方法[J];光電技術(shù)應(yīng)用;2007年05期

2 汪定偉;;電子中介的多目標(biāo)交易匹配問題及其優(yōu)化方法[J];信息系統(tǒng)學(xué)報(bào);2007年01期

3 謝之宇;蔣曉瑜;汪熙;裴闖;;改進(jìn)的幀差法在目標(biāo)匹配中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2011年34期

4 衡林;朱秀昌;;無重疊視域的多攝像機(jī)之間的目標(biāo)匹配[J];計(jì)算機(jī)工程與應(yīng)用;2014年08期

5 郭克華;劉傳才;楊靜宇;;局部相似目標(biāo)匹配的微分幾何模型[J];系統(tǒng)仿真學(xué)報(bào);2007年24期

6 郭克華;劉傳才;楊靜宇;;三維局部相似目標(biāo)匹配的微分幾何方法[J];模式識別與人工智能;2008年05期

7 徐楓;鄧敏;趙彬彬;陳建軍;;空間目標(biāo)匹配方法的應(yīng)用分析[J];地球信息科學(xué)學(xué)報(bào);2009年05期

8 范彩霞;朱虹;藺廣逢;;基于顏色不變量的多相機(jī)目標(biāo)匹配方法[J];計(jì)算機(jī)工程;2012年04期

9 蘇秀琴;梁金峰;;一種基于單元信息熵的目標(biāo)匹配改進(jìn)算法[J];光子學(xué)報(bào);2009年11期

10 王宏磊;;基于馬爾可夫決策過程的動態(tài)火力目標(biāo)匹配[J];電腦知識與技術(shù);2011年11期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 劉旨春;盛磊;于曉波;;基于多傳感器數(shù)據(jù)融合技術(shù)的多目標(biāo)匹配[A];2009年先進(jìn)光學(xué)技術(shù)及其應(yīng)用研討會論文集（下冊）[C];2009年

2 楊法強(qiáng);王海洋;;基于目標(biāo)匹配的旅游服務(wù)平臺架構(gòu)[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2005年

3 管學(xué)偉;劉先志;杜天軍;;一種基于SIFT算法的目標(biāo)匹配方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 叢楊;唐延?xùn)|;;基于光流方程和目標(biāo)匹配的視頻圖像目標(biāo)跟蹤方法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

5 武林偉;王勇;李博;;復(fù)雜背景下目標(biāo)匹配相關(guān)跟蹤算法的頻域研究和改進(jìn)[A];江蘇、山東、河南、江西、黑龍江五省光學(xué)（激光）聯(lián)合學(xué)術(shù)'05年會論文集[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙彬彬;多尺度矢量地圖空間目標(biāo)匹配方法及其應(yīng)用研究[D];中南大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 韓云杰;基于ARM11的多運(yùn)動圖像追蹤算法的研究與實(shí)現(xiàn)[D];貴州大學(xué);2015年

2 楊東帆;帶電作業(yè)培訓(xùn)場景中多攝像機(jī)下的目標(biāo)匹配技術(shù)研究[D];電子科技大學(xué);2014年

3 何肖爽;基于深度學(xué)習(xí)的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)目標(biāo)匹配方法研究與系統(tǒng)實(shí)現(xiàn)[D];浙江工商大學(xué);2015年

4 曹金山;基于特征融合和支持向量機(jī)的多攝像機(jī)下目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2015年

5 商依婷;跨攝像頭的人員追蹤算法研究[D];吉林大學(xué);2016年

6 孫前鋒;基于主顏色譜及空間分布熵的目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2012年

7 于孔帥;基于外觀特征和距離測度學(xué)習(xí)的無重疊視域目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2014年

8 趙應(yīng)學(xué);多攝像機(jī)視頻監(jiān)控中基于幾何約束的目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2012年

9 劉日積;基于增量學(xué)習(xí)和特征融合的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)目標(biāo)匹配方法研究[D];浙江工商大學(xué);2015年

10 霍闊;重疊視域多攝像機(jī)間運(yùn)動目標(biāo)匹配研究[D];湖南工業(yè)大學(xué);2013年

，

本文編號：606473