本文關(guān)鍵詞：多目標(biāo)跟蹤算法研究及應(yīng)用

  更多相關(guān)文章： 多目標(biāo)跟蹤 區(qū)域選擇 卷積神經(jīng)網(wǎng)絡(luò) 基礎(chǔ)顏色特征 自適應(yīng)尺度因子

【摘要】：隨著社會(huì)的不斷發(fā)展,公共安全事件、特別是暴力恐怖事件日益增多,對(duì)于傳統(tǒng)的視頻監(jiān)控系統(tǒng)提出了新的需求。智能視頻監(jiān)控系統(tǒng)作為視頻監(jiān)控系統(tǒng)的最新研究成果,因其符合當(dāng)前信息產(chǎn)業(yè)發(fā)展的趨勢(shì),結(jié)合了計(jì)算機(jī)視覺技術(shù)、機(jī)器學(xué)習(xí)技術(shù)而受到學(xué)界和工業(yè)界的廣泛關(guān)注,其研究?jī)r(jià)值較為重要、應(yīng)用前景廣闊。基于分類的多目標(biāo)跟蹤技術(shù)作為智能視頻監(jiān)控系統(tǒng)中的核心組成部分,備受國(guó)內(nèi)外研究人員的注意。但在多目標(biāo)跟蹤研究領(lǐng)域內(nèi),因其固有的復(fù)雜性,如目標(biāo)間相互遮擋帶來的干擾、人工設(shè)計(jì)特征引入的問題等,目前還存在大量難題亟待解決。本文主要在多目標(biāo)跟蹤算法及其在智能視頻監(jiān)控領(lǐng)域中的應(yīng)用展開研究,主要研究結(jié)果總結(jié)如下:(1)設(shè)計(jì)了一種基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法。針對(duì)目標(biāo)檢測(cè)算法中人工設(shè)計(jì)目標(biāo)特征帶來的各種問題,將卷積神經(jīng)網(wǎng)絡(luò)引入到目標(biāo)檢測(cè)算法中。同時(shí)為了滿足智能視頻監(jiān)控系統(tǒng)實(shí)時(shí)性的需求,提出區(qū)域選擇算法對(duì)視頻圖像進(jìn)行計(jì)算,產(chǎn)生可能包含目標(biāo)的疑似區(qū)域,減少了卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算量。在此基礎(chǔ)上,對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),設(shè)計(jì)了基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明,基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)提取的特征具有較高的分辨能力,在目標(biāo)檢測(cè)的準(zhǔn)確率上較其他算法有較大提高;(2)提出了一種基于基礎(chǔ)顏色特征的自適應(yīng)尺度的目標(biāo)跟蹤算法。針對(duì)目標(biāo)間相互遮擋對(duì)數(shù)據(jù)關(guān)聯(lián)帶來的干擾,根據(jù)基礎(chǔ)顏色特征和目標(biāo)間的相對(duì)位置關(guān)系,形成各種配置,通過結(jié)構(gòu)化支持向量機(jī)來求取最優(yōu)配置,完成跟蹤目標(biāo)的關(guān)聯(lián);同時(shí),采取尺度因子更新算法,在計(jì)算目標(biāo)信息量變化的基礎(chǔ)上,對(duì)關(guān)聯(lián)后的位置進(jìn)行矯正,提高目標(biāo)跟蹤算法的跟蹤精度。實(shí)驗(yàn)表明,算法在跟蹤目標(biāo)的準(zhǔn)確率和精度上取得了不錯(cuò)的實(shí)驗(yàn)結(jié)果;(3)在上述算法的基礎(chǔ)上,設(shè)計(jì)并實(shí)現(xiàn)了機(jī)場(chǎng)跑道智能視頻監(jiān)控系統(tǒng)。該系統(tǒng)由服務(wù)器端和客戶端構(gòu)成。客戶端利用基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法,對(duì)跑道上的飛機(jī)進(jìn)行實(shí)時(shí)檢測(cè),將檢測(cè)結(jié)果通過網(wǎng)絡(luò)發(fā)送給服務(wù)器端;服務(wù)器端接收來自客戶端的檢測(cè)數(shù)據(jù),利用基于基礎(chǔ)顏色特征的自適應(yīng)尺度的目標(biāo)跟蹤算法,實(shí)現(xiàn)了實(shí)時(shí)跟蹤飛機(jī)地面活動(dòng)、判斷飛機(jī)是否違規(guī)并告警的功能。該系統(tǒng)能夠滿足智能視頻監(jiān)控系統(tǒng)的實(shí)時(shí)性需求,同時(shí)能較好的對(duì)目標(biāo)進(jìn)行自動(dòng)監(jiān)控、分析其運(yùn)動(dòng)軌跡。
【關(guān)鍵詞】：多目標(biāo)跟蹤 區(qū)域選擇 卷積神經(jīng)網(wǎng)絡(luò) 基礎(chǔ)顏色特征 自適應(yīng)尺度因子
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-16
• 1.1 研究的目的和意義9-10
• 1.2 研究現(xiàn)狀及存在問題10-15
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.2.2 算法簡(jiǎn)介及存在問題12-15
• 1.3 本文主要研究?jī)?nèi)容15-16
• 2 多目標(biāo)跟蹤技術(shù)綜述16-27
• 2.1 多目標(biāo)跟蹤算法框架17
• 2.2 目標(biāo)檢測(cè)技術(shù)17-23
• 2.3 目標(biāo)跟蹤技術(shù)23-27
• 2.4 本章小結(jié)27
• 3 基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法27-44
• 3.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介29-33
• 3.2 區(qū)域選擇算法33-36
• 3.3 基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)36-40
• 3.4 實(shí)驗(yàn)結(jié)果集分析40-44
• 3.4.1 目標(biāo)特征對(duì)比41-43
• 3.4.2 目標(biāo)檢測(cè)算法對(duì)比43-44
• 3.5 本章小結(jié)44
• 4 基于基礎(chǔ)顏色特征的自適應(yīng)尺度的目標(biāo)跟蹤算法44-58
• 4.1 基礎(chǔ)顏色特征46-48
• 4.2 自適應(yīng)尺度因子48-50
• 4.3 基于基礎(chǔ)顏色特征的自適應(yīng)尺度的多目標(biāo)跟蹤算法50-54
• 4.4 實(shí)驗(yàn)結(jié)果及分析54-57
• 4.5 本章小結(jié)57-58
• 5 機(jī)場(chǎng)場(chǎng)面監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)58-67
• 5.1 系統(tǒng)需求及技術(shù)指標(biāo)59-60
• 5.2 系統(tǒng)總體設(shè)計(jì)60-62
• 5.3 客戶端62-63
• 5.4 服務(wù)器端63-65
• 5.5 系統(tǒng)測(cè)試結(jié)果65-66
• 5.6 本章小結(jié)66-67
• 6 總結(jié)與展望67-69
• 致謝69-70
• 攻讀學(xué)位期間發(fā)表的學(xué)位論文相關(guān)的學(xué)術(shù)論文及研究成果70-71
• 參考文獻(xiàn)71-74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長(zhǎng)鋒;劉玉樹;;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國(guó)峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過程控制會(huì)議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達(dá)雙傳感器融合目標(biāo)跟蹤算法[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

10 張濤;費(fèi)樹岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 胡子軍;基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2016年

3 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

4 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

5 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長(zhǎng)安大學(xué);2016年

6 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

7 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

8 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

9 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

10 邱雪娜;基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測(cè)目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

5 王增宇;基于稀疏表達(dá)的目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀模型及兩階段目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

7 葛凱蓉;自然場(chǎng)景下目標(biāo)跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測(cè)的目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

，

本文編號(hào)：636656