【摘要】：隨著社會的進步,在重要場合對多攝像機的需求越來越大。單攝像機的目標跟蹤方法已經日臻完善,但是由于其監(jiān)控范圍小,較難的應用于大范圍的目標跟蹤中。用攝像機覆蓋所有的監(jiān)控區(qū)域容易造成攝像機的浪費,所以只需要覆蓋重要場合,這就造成了攝像機之間存在一定盲區(qū),盲區(qū)的存在將攝像機之間運動目標在時間和空間上分離,目標在攝像機之間的成像特征不同導致匹配非常困難。本文主要工作以及創(chuàng)新點如下：(1)針對傳統(tǒng)的VIBE算法提取的目標前景無法解決目標粘連和陰影問題,本文提出了使用VIBE與HOG+SVM特征分類相結合的多運動目標檢測算法。利用VIBE算法檢測出運動目標區(qū)域,將檢測出的前景送入HOG特征的SVM分類器,分割得到正確目標,實驗證明該算法具有較好的魯棒性。(2)在多攝像機目標匹配中,針對不同環(huán)境下的每個特征在攝像機目標匹配中的作用不一樣,選擇不同特征決定匹配效果的好壞,本文選用基于顏色補償?shù)念伾狈綀D匹配；基于LMNN的H分量匹配,基于擴散距離改進的SURF特征匹配。顏色直方圖可以消除攝像機之間的光照差異；基于LMNN的H分量特征能夠加大不同目標的距離,使相同目標距離變小,便于匹配度的區(qū)分；基于擴散距離改進的SURF算法利用擴散距離的特性,消除了目標的誤匹配,提高了匹配效率。(3)將攝像機之間的不可見區(qū)域訓練一個拓撲關系,將拓撲關系作為一個匹配特征,作為攝像機對目標的選擇,超過閾值的目標不進行匹配,在閾值之內的特征才用于攝像機之間的匹配。(4)將所有的特征進行D-S多特征融合,消除誤匹配,獲得不同情況下的最好匹配精度。
[Abstract]:With the development of society, the demand for multi-cameras is increasing on important occasions. The target tracking method of single camera has been improved day by day, but it is difficult to be used in a wide range of target tracking because of its small monitoring range. The use of cameras to cover all the monitoring areas is likely to lead to waste of cameras, so only important occasions need to be covered, which results in a certain blind area between cameras. The existence of blind area separates the moving targets between cameras in time and space. The difference of imaging characteristics between cameras leads to the difficulty of matching. The main work and innovations of this paper are as follows: (1) aiming at the problem that the target foreground extracted by the traditional VIBE algorithm can not solve the problem of target adhesion and shadow, a multi-moving target detection algorithm combining VIBE and HOG SVM feature classification is proposed in this paper. The VIBE algorithm is used to detect the moving target region, and the detected foreground is sent into the SVM classifier of the HOG feature to segment the correct target. The experiments show that the algorithm is robust. (2) in the multi-camera target matching, the proposed algorithm is robust. In view of the different function of each feature in the camera target matching under different environment, the color histogram matching based on color compensation is chosen to select different features to determine the matching effect. H component matching based on LMNN and SURF feature matching based on diffusion distance. The color histogram can eliminate the illumination difference between cameras, the H component feature based on LMNN can increase the distance of different targets, make the distance of the same object smaller, and facilitate the discrimination of matching degree. The improved SURF algorithm based on the diffusion distance eliminates the mismatch of the target and improves the matching efficiency. (3) the invisible region between the cameras is trained with a topological relation. The topological relation is regarded as a matching feature and the target is selected by the camera. The target above the threshold is not matched. The features within the threshold are used to match the cameras. (4) all the features are fused with D-S multi-features to eliminate the mismatch and obtain the best matching accuracy in different cases.
【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 孫鳳梅,胡占義;攝像機簡化模型對三維重構的影響——分析與實驗[J];計算機輔助設計與圖形學學報;2005年10期

2 樹子;;運動攝像“4+1”DV攝像高手之路[J];數(shù)字通信;2006年04期

3 徐淑平;;視像中的攝像機運動檢測[J];計算機技術與發(fā)展;2007年07期

4 高俊鑫;華煒;章國鋒;秦學英;;帶約束的攝像機定標方法[J];中國圖象圖形學報;2010年03期

5 耿玉亮;須德;;一種魯棒的攝像機運動分類算法[J];電子學報;2006年07期

6 孫鳳梅;王衛(wèi)寧;;關于攝像機正交運動下約束方程獨立性的一點討論[J];自動化學報;2007年10期

7 黎俊;彭啟民;呂文先;范植華;;基于尺度不變局部特征的攝像機運動檢測[J];系統(tǒng)仿真學報;2009年16期

8 孫卓金;胡士強;;雙攝像機協(xié)同人臉鷹眼檢測與定位方法[J];計算機應用;2011年12期

9 張思民;瞿帆;孫航;;基于攝像機運動控制的運動目標檢測與跟蹤算法研究[J];福建電腦;2013年09期

10 李鈾;宋利;王嘉;;基于圖像拼接的雙攝像機系統(tǒng)自動標定方法[J];電視技術;2010年04期

相關會議論文 前2條

1 孫宇臣;葛寶臻;牟冰;孫明睿;張以謨;;采用線性方法對攝像機的分區(qū)標定[A];大珩先生九十華誕文集暨中國光學學會2004年學術大會論文集[C];2004年

2 張娟;陳春曉;;基于分層重建的攝像機完全自標定[A];2011下一代自動測試系統(tǒng)學術研討會論文集[C];2011年

相關重要報紙文章 前2條

1 重慶 哎呀;教你使用家用攝像機[N];電腦報;2002年

2 關景火 蔡濤 李德華;幾種典型的表演動畫系統(tǒng)[N];計算機世界;2002年

相關博士學位論文 前9條

1 董文會;多攝像機監(jiān)控網絡中的目標連續(xù)跟蹤方法研究[D];山東大學;2015年

2 孫曉燕;多攝像機接力目標跟蹤關鍵算法研究[D];山東大學;2014年

3 張柳新;多攝像機三維重建技術與應用[D];北京理工大學;2010年

4 譚樹人;全方位攝像機與主動攝像機協(xié)作跟蹤技術研究[D];國防科學技術大學;2011年

5 曾成斌;多攝像機協(xié)同的行人檢測技術研究[D];北京郵電大學;2011年

6 楊磊;單目運動攝像機進行稠密場景重建的方法研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2015年

7 耿玉亮;基于內容的視頻結構化技術的研究[D];北京交通大學;2006年

8 楊廣林;主動視頻監(jiān)控中若干問題的研究[D];燕山大學;2006年

9 梁棟;基于多視圖的參數(shù)估計與形狀重構[D];安徽大學;2002年

相關碩士學位論文 前10條

1 潘至尊;多攝像機連續(xù)目標跟蹤系統(tǒng)的應用研究[D];聊城大學;2015年

2 余慧;多攝像機下的智能視頻監(jiān)控及其在電纜防盜中的應用研究[D];西南科技大學;2015年

3 吳盈;基于智能輔助視域盲區(qū)目標識別與匹配[D];寧波大學;2015年

4 馬鉑倫;電影特效鏡頭的制作[D];北京工業(yè)大學;2015年

5 文雪;基于信息融合的多攝像機跟蹤的算法研究[D];黑龍江大學;2015年

6 石皓;用于全景與PTZ主從攝像機的標定方法研究[D];國防科學技術大學;2013年

7 張瀅;多攝像機運動目標檢測與分析研究[D];合肥工業(yè)大學;2014年

8 貢超;無重疊視域多攝像機目標匹配算法研究[D];合肥工業(yè)大學;2014年

9 吳磊杰;攝像機運動檢測技術研究[D];華北電力大學（北京）;2009年

10 閻鐳;網絡球形攝像機的關鍵技術及其應用研究[D];浙江大學;2006年

，

本文編號：2363005