本文選題：無重疊視域多攝像機目標關聯(lián)　切入點：目標再識別　出處：《合肥工業(yè)大學》2014年碩士論文　論文類型：學位論文

【摘要】：隨著廣域視頻監(jiān)控的普及,多攝像機智能監(jiān)控已經(jīng)成為計算機視覺領域的研究熱點�？紤]到成本效益和公眾隱私,大型視頻監(jiān)控網(wǎng)絡存在大量的監(jiān)控盲區(qū),造成多攝像機之間目標跟蹤的困難。無重疊視域多攝像機監(jiān)控系統(tǒng)下的目標關聯(lián),又稱目標再識別,主要用于消除攝像機之間的視覺差異和監(jiān)控盲區(qū)的時空不確定性對目標跟蹤的影響。目前,目標關聯(lián)已經(jīng)成為解決無重疊視域監(jiān)控場景下目標跟蹤的關鍵問題。本文對無重疊視域多攝像機目標關聯(lián)進行了深入的研究,論文的主要工作和創(chuàng)新點如下：(1)提出了基于目標“特征差”矢量的非線性排序(NRFD)目標再識別算法。針對目標在不同監(jiān)控系統(tǒng)的視覺差異對目標再識別的影響,與以往旨在消除這類影響的目標再識別算法不同,本文利用這些差異,也就是目標特征差,構(gòu)造二分類模型,并通過RBF核SVM對候選目標進行排序,從而實現(xiàn)目標再識別。此外,針對負樣本遠多于正樣本而造成的樣本失衡問題,本文構(gòu)建了基于巴氏系數(shù)的AP聚類預處理方法來選擇典型的負樣本,從而克服該問題造成的影響。在標準數(shù)據(jù)庫上的實驗結(jié)果表明,該算法的識別率優(yōu)于相關方法。(2)考慮到基于信息衡量的JENSEN-SHANNON(JS)核函數(shù)能處理光照變化引起的顏色直方圖偏移問題,本文提出了JS核判別分析(JSKDA)的目標關聯(lián)算法。首先通過JS核函數(shù)把樣本映射到高維空間,充分提取目標的可鑒別信息,然后在該空間應用改進的局部Fisher判別分析,抵御離群樣本對目標關聯(lián)的影響,從而降低關聯(lián)錯誤率。(3)應用D-S證據(jù)理論融合監(jiān)控網(wǎng)絡的時空約束信息和NRFD、JSKDA的匹配信息,避免了模型之間的沖突,提高了目標關聯(lián)的準確性。
[Abstract]:With the popularity of wide-area video surveillance, multi-camera intelligent surveillance has become a research hotspot in the field of computer vision. Considering the cost effectiveness and public privacy, large video surveillance network has a large number of blind areas. It is difficult to track targets between multiple cameras. The target association under the multi-camera surveillance system without overlap is also called target re-recognition. It is mainly used to eliminate the visual difference between cameras and the influence of space-time uncertainty in monitoring blind area on target tracking. Target association has become the key problem to solve the problem of target tracking in the scene of non-overlapping visual surveillance. The main work and innovation of this paper are as follows: (1) A nonlinear sorting NRFD-based target rerecognition algorithm based on "eigenvalue" vector is proposed, aiming at the influence of the visual difference of target in different monitoring systems on target re-recognition. In this paper, we use these differences, that is, target feature difference, to construct a two-classification model, and sort candidate targets by RBF kernel SVM, so as to realize target re-recognition. In order to solve the problem of sample imbalance caused by far more negative samples than positive samples, an AP clustering preprocessing method based on pasteurian coefficient is proposed to select typical negative samples. The experimental results on the standard database show that the recognition rate of the algorithm is better than that of the related method. 2) considering that the JENSEN-SHANNON JSS kernel function based on information measurement can deal with the color histogram offset caused by the illumination change, In this paper, the target association algorithm of JS kernel discriminant analysis (JS kernel discriminant analysis) is proposed. Firstly, the sample is mapped to high dimensional space by JS kernel function, and then the discriminable information of the target is fully extracted, and then the improved local Fisher discriminant analysis is applied in this space. To resist the influence of outlier samples on target association and reduce the correlation error rate, D-S evidence theory is applied to fuse the spatio-temporal constraint information of monitoring network and the matching information of NRFD-JSKDA to avoid the conflict between models and improve the accuracy of target association.
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN948.41

【相似文獻】

相關期刊論文 前10條

1 徐小琴;;多傳感器數(shù)據(jù)融合目標識別算法綜述[J];紅外與激光工程;2006年S4期

2 林思明;;運動目標識別算法研究[J];西北電訊工程學院學報;1985年04期

3 朱峰,竇麗華,楊國勝,陳文頡;基于異類傳感器的戰(zhàn)場運動目標識別算法[J];北京理工大學學報;2002年03期

4 孔剛,張啟衡,許俊平;一種復雜背景下運動擴展目標識別算法[J];儀器儀表學報;2005年S1期

5 賈宇平;李亞楠;付耀文;莊釗文;;一種基于灰色定權聚類的決策層融合目標識別算法[J];電子與信息學報;2008年02期

6 熊艷，，張桂林，彭嘉雄;自動目標識別算法性能評價的一種方法[J];自動化學報;1996年02期

7 王旭輝;劉云猛;裴浩東;;基于嵌入式圖像處理平臺的實時多目標識別算法[J];科學技術與工程;2014年03期

8 陳喜;陳浩;;針對潛望鏡的艦船目標識別算法的研究[J];微計算機信息;2007年01期

9 黨二升;李麗;;激光探測“貓眼”效應目標識別算法[J];航空科學技術;2011年06期

10 杜方鍵;楊宏暉;;兩種半監(jiān)督多類水下目標識別算法的比較[J];聲學技術;2014年01期

相關會議論文 前5條

1 徐小琴;;多傳感器數(shù)據(jù)融合目標識別算法綜述[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

2 孔剛;張啟衡;許俊平;;一種復雜背景下運動擴展目標識別算法[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年

3 常青;;分形特征目標識別算法[A];2005年中國智能自動化會議論文集[C];2005年

4 王明芬;李翠華;;基于形狀外觀的海面目標識別算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

5 王偉明;;一種使用并行黑板模型仿真系統(tǒng)實現(xiàn)的基于知識的圖象目標識別算法[A];'99系統(tǒng)仿真技術及其應用學術交流會論文集[C];1999年

相關碩士學位論文 前10條

1 劉明;毫米波主被動探測器目標識別算法研究[D];南京理工大學;2010年

2 譚芳;基于特征信息提取的目標識別算法研究[D];電子科技大學;2010年

3 盧碩超;一種目標識別算法驗證平臺的設計與實現(xiàn)數(shù)據(jù)存儲與處理[D];西安電子科技大學;2012年

4 衡燕;廣義操作條件下的ATR算法性能評估[D];國防科學技術大學;2006年

5 趙強;基于視覺信息的移動機器人目標識別算法研究[D];山東大學;2012年

6 梁香美;SAR人造目標識別方法研究[D];哈爾濱工業(yè)大學;2009年

7 申寧;一種實時目標識別算法驗證平臺的軟件設計與實現(xiàn)[D];西安電子科技大學;2012年

8 韓衛(wèi)潔;入侵報警系統(tǒng)中振動源的目標識別算法研究[D];長安大學;2015年

9 劉冬;SAR圖像方向性目標檢測與識別研究[D];南京航空航天大學;2009年

10 鄒英;水上橋梁目標識別算法研究[D];南京理工大學;2006年

本文編號：1595514