發(fā)布時(shí)間：2024-02-03 11:15

　　視頻多目標(biāo)跟蹤是計(jì)算機(jī)視覺的一項(xiàng)重要任務(wù),廣泛存在于視頻監(jiān)控、交通控制、自動(dòng)駕駛以及人機(jī)交互等各種應(yīng)用與研究領(lǐng)域。隨著目標(biāo)檢測(cè)技術(shù)的快速發(fā)展,先借助檢測(cè)技術(shù)定位目標(biāo),而后運(yùn)用數(shù)據(jù)關(guān)聯(lián)技術(shù)生成目標(biāo)軌跡的方法成為多目標(biāo)跟蹤的主流方案,該方法稱為基于數(shù)據(jù)關(guān)聯(lián)的視頻多目標(biāo)跟蹤方法。實(shí)際情況中,目標(biāo)運(yùn)動(dòng)模式、周圍環(huán)境、視頻成像方式等因素往往十分復(fù)雜,使得視頻多目標(biāo)跟蹤技術(shù)中依然存在許多困難的問(wèn)題亟待解決。本文針對(duì)基于數(shù)據(jù)關(guān)聯(lián)的視頻多目標(biāo)跟蹤方法,圍繞它的幾個(gè)困難的關(guān)鍵性問(wèn)題開展了深入研究:(1)關(guān)聯(lián)過(guò)程中目標(biāo)的隨機(jī)出現(xiàn)與消失造成其數(shù)目持續(xù)動(dòng)態(tài)變化,給數(shù)據(jù)關(guān)聯(lián)的優(yōu)化求解帶來(lái)很大困難;(2)跟蹤環(huán)境中目標(biāo)間高區(qū)分度特征提取與檢測(cè)數(shù)據(jù)的噪聲抑制問(wèn)題;(3)行人多目標(biāo)運(yùn)動(dòng)中近距離的彼此影響與復(fù)雜運(yùn)動(dòng)規(guī)律的準(zhǔn)確估計(jì)問(wèn)題;(4)目標(biāo)密集場(chǎng)景中彼此的頻繁遮擋導(dǎo)致大量目標(biāo)軌跡破碎,這種困難情況下的信息增強(qiáng)與有效關(guān)聯(lián)問(wèn)題。論文的主要研究?jī)?nèi)容如下:(1)針對(duì)目標(biāo)數(shù)目不確定性問(wèn)題,提出了一種網(wǎng)絡(luò)流數(shù)據(jù)關(guān)聯(lián)求解算法�；谲壽E片段建立網(wǎng)絡(luò)流數(shù)據(jù)關(guān)聯(lián)模型,將數(shù)據(jù)關(guān)聯(lián)轉(zhuǎn)化為求解網(wǎng)絡(luò)中的最小費(fèi)用流問(wèn)題,運(yùn)用最短路徑迭代算法求解...

【文章頁(yè)數(shù)】：129 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖1-1視頻多目標(biāo)跟蹤的應(yīng)用場(chǎng)景示意圖

電子科技大學(xué)博士學(xué)位論文2查的同時(shí)，政府也利用了社會(huì)治安監(jiān)控系統(tǒng)和交通監(jiān)控系統(tǒng)對(duì)目標(biāo)患者的軌跡進(jìn)行分析，可以快速、有效地尋找到需要隔離的目標(biāo)�！吨袊�(guó)制造2025》[1]提出統(tǒng)籌布局和推動(dòng)智能交通工具、智能工程機(jī)械、服務(wù)機(jī)器人等產(chǎn)品研發(fā)和產(chǎn)業(yè)化，視頻多目標(biāo)跟蹤是實(shí)現(xiàn)這些目標(biāo)的關(guān)鍵技....

圖2-1運(yùn)動(dòng)攝像機(jī)跟蹤場(chǎng)景中目標(biāo)隨機(jī)出

У那蠼夥槳�。栽�?砟勘晁婊?魷?和消失問(wèn)題時(shí)，文獻(xiàn)[75,76]都采用圖像邊界作為判斷軌跡起始和終結(jié)的依據(jù)。Pirsiavash等[75]更是強(qiáng)調(diào)了場(chǎng)景中的建筑和道路信息都能夠提示目標(biāo)有可能在此處出現(xiàn)和消失。Schulter等[91]提出了利用深度學(xué)習(xí)方法訓(xùn)練網(wǎng)絡(luò)中的費(fèi)用值，通過(guò)....

圖2-1運(yùn)動(dòng)攝像機(jī)跟蹤場(chǎng)景中目標(biāo)隨機(jī)出現(xiàn)情況示意圖

У那蠼夥槳�。栽�?砟勘晁婊?魷?和消失問(wèn)題時(shí)，文獻(xiàn)[75,76]都采用圖像邊界作為判斷軌跡起始和終結(jié)的依據(jù)。Pirsiavash等[75]更是強(qiáng)調(diào)了場(chǎng)景中的建筑和道路信息都能夠提示目標(biāo)有可能在此處出現(xiàn)和消失。Schulter等[91]提出了利用深度學(xué)習(xí)方法訓(xùn)練網(wǎng)絡(luò)中的費(fèi)用值，通過(guò)....

圖2-2網(wǎng)絡(luò)流數(shù)據(jù)關(guān)聯(lián)模型示意圖

電子科技大學(xué)博士學(xué)位論文16*argmax(|)()..,ijijTjkPTPstjk(2-6)基于2.3.1.1中的軌跡片段生成方法能夠得到可靠的軌跡片段集合。由于設(shè)定了較為嚴(yán)格的閾值，每一個(gè)軌跡片段都是可以被信賴的，即每個(gè)軌跡片段的似然概率(|)1iPT，根據(jù)這個(gè)假設(shè)進(jìn)一步對(duì)....

本文編號(hào)：3894089