隨著計(jì)算機(jī)視覺的迅速發(fā)展,智能視頻監(jiān)控系統(tǒng)引發(fā)了廣泛關(guān)注,目標(biāo)跟蹤系統(tǒng)作為智能視頻監(jiān)控系統(tǒng)的關(guān)鍵組成部分,具有很高的研究?jī)r(jià)值與應(yīng)用價(jià)值。目前主要使用的是單攝像頭目標(biāo)跟蹤系統(tǒng),由于單個(gè)攝像頭監(jiān)控范圍有限,導(dǎo)致其存在較大的局限性,例如無法對(duì)目標(biāo)進(jìn)行連續(xù)跟蹤�？鐢z像頭目標(biāo)跟蹤系統(tǒng)通過增加攝像頭數(shù)量克服了單攝像頭目標(biāo)跟蹤系統(tǒng)存在的固有缺陷,實(shí)現(xiàn)對(duì)目標(biāo)的長(zhǎng)時(shí)連續(xù)跟蹤。基于此背景,本文對(duì)跨攝像頭目標(biāo)跟蹤技術(shù)進(jìn)行研究。本文首先對(duì)單攝像頭場(chǎng)景下的目標(biāo)跟蹤技術(shù)進(jìn)行研究,然后對(duì)具有淺重疊區(qū)域的跨攝像頭目標(biāo)匹配技術(shù)進(jìn)行研究。主要研究工作如下:1.針對(duì)核相關(guān)濾波器目標(biāo)跟蹤算法在多種復(fù)雜跟蹤場(chǎng)景中算法性能下降的問題,本文提出改進(jìn)方案:（1）為了解決單一的梯度直方圖特征無法滿足多種跟蹤場(chǎng)景需求的問題,提出了結(jié)合梯度直方圖特征和顏色特征來描述目標(biāo)的方法;（2）為了解決該算法不適用于目標(biāo)尺度變化的跟蹤場(chǎng)景,提出了結(jié)合尺度濾波器自適應(yīng)調(diào)整目標(biāo)尺度大小的方法;（3）為了解決該算法在跟蹤過程中存在的模型漂移,提出了一種基于響應(yīng)峰值的跟蹤失敗檢測(cè)機(jī)制,自適應(yīng)調(diào)整模板更新策略。改進(jìn)的算法在VOT數(shù)據(jù)集上進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明,... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

hand視頻序列實(shí)驗(yàn)結(jié)果

HOG 特征HOG 特征是一種用于目標(biāo)檢測(cè)的特征描述子，它通過計(jì)算和統(tǒng)計(jì)圖像方向梯度直方圖來構(gòu)成特征，被廣泛應(yīng)用于計(jì)算機(jī)視覺和圖像處理領(lǐng) HOG 特征結(jié)合支持向量機(jī)(Support Vector Machine，SVM)的方法在被行人檢測(cè)中[50]。提取 HOG 特征的詳細(xì)過程如圖 3.2 所示，在獲取特征在實(shí)際場(chǎng)景中存在光線變化的情況，首先圖像需要進(jìn)行歸一化操作，的目標(biāo)區(qū)域劃分成多個(gè)大小相同的空間單元(cell)；然后累積加權(quán)每個(gè) 度方向，得到每個(gè) cell 的特征描述子，再聯(lián)合鄰近的 cell，得到存在重部區(qū)域的圖像塊(block)；為了有效利用這些重疊的區(qū)域，需要在重疊的歸一化對(duì)比度；最后在檢測(cè)窗口內(nèi)統(tǒng)計(jì)所有圖像塊的梯度信息，并對(duì)化處理得到整個(gè)圖像的 HOG 特征。

的特征提取方法很好地描述了局部像素點(diǎn)之間的關(guān)系，對(duì)圖像旋轉(zhuǎn)、移動(dòng)不敏感，在目標(biāo)發(fā)生輕微形變時(shí)也可以取得較好的跟蹤效果。3.2.3 顏色屬性顏色特征主要包括 HSV 顏色空間、顏色 SIFT 特征、顏色屬性等。顏色屬性不同于 HSV 顏色空間、顏色 SIFT 特征等，由于其可以更加豐富地描述物體而被應(yīng)用于目標(biāo)跟蹤中。B. Berlin[51]在一項(xiàng)語(yǔ)言學(xué)研究中得出自然界中的顏色通過語(yǔ)言學(xué)的顏色標(biāo)簽特性可以被劃分為紅、橙、黃、綠、藍(lán)、紫、灰、白、黑、棕和粉色這十一種顏色，這種十一維顏色空間對(duì)目標(biāo)的描述比 HSV 顏色空間具有更強(qiáng)的表達(dá)與判別能力。如圖 3.4 所示，將左圖中圖像各像素點(diǎn) RGB 值映射到十一維顏色屬性中，得到右圖的結(jié)果。

【參考文獻(xiàn)】：
期刊論文
[1]視覺目標(biāo)跟蹤方法研究綜述[J]. 葛寶義,左憲章,胡永江.  中國(guó)圖象圖形學(xué)報(bào). 2018(08)
[2]基于混合高斯和HOG+SVM的行人檢測(cè)模型[J]. 龔露鳴,徐美華,劉冬軍,張發(fā)宇.  上海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[3]一種結(jié)合顏色紋理直方圖的改進(jìn)型Camshift目標(biāo)跟蹤算法[J]. 初紅霞,謝忠玉,王科俊.  西安交通大學(xué)學(xué)報(bào). 2018(03)
[4]方向梯度直方圖綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2017(19)
[5]基于協(xié)方差矩陣的多特征融合跟蹤算法[J]. 金澤芬芬,侯志強(qiáng),余旺盛,王鑫.  光學(xué)學(xué)報(bào). 2017(09)
[6]多特征自適應(yīng)均值漂移算法的目標(biāo)跟蹤[J]. 賈松敏,王爽,王麗佳,李秀智.  光電子.激光. 2014(10)
[7]基于特征融合的粒子濾波目標(biāo)跟蹤新方法[J]. 閆河,劉婕,楊德紅,王樸,金煒.  光電子.激光. 2014(10)
[8]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[9]一種基于多特征融合的粒子濾波目標(biāo)跟蹤算法[J]. 高秀斌,丁盼盼,蔣長(zhǎng)帥,杜宇人.  揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(01)
[10]基于MCMC無味粒子濾波的目標(biāo)跟蹤算法[J]. 張苗輝,劉先省.  系統(tǒng)工程與電子技術(shù). 2009(08)



本文編號(hào)：2958993