本文關(guān)鍵詞：多攝像機(jī)下運(yùn)動(dòng)目標(biāo)跟蹤關(guān)聯(lián)的關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：智能視頻監(jiān)控是計(jì)算機(jī)視覺(jué)中最活躍的研究之一,目的是從監(jiān)控?cái)z像機(jī)拍攝的海量視頻里高效提取有用信息來(lái)自動(dòng)檢測(cè)、跟蹤和識(shí)別感興趣的目標(biāo),理解和分析他們的行為。本文針對(duì)多攝像機(jī)視頻跟蹤系統(tǒng)中遇到的相關(guān)問(wèn)題,以多攝像機(jī)監(jiān)控場(chǎng)景為背景,重點(diǎn)研究了運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤算法、有重疊視野與無(wú)重疊視野攝像機(jī)之間的目標(biāo)關(guān)聯(lián)(即一致性判定)等,并在前人基礎(chǔ)上提出改進(jìn)方案。本文的主要內(nèi)容為:1、研究了運(yùn)動(dòng)目標(biāo)檢測(cè)方法。結(jié)合三幀差分法與時(shí)間平均法構(gòu)建背景圖像,然后利用背景差分法檢測(cè)目標(biāo)。該算法既利用了幀間差分法對(duì)光照適應(yīng)能力強(qiáng)、實(shí)時(shí)性較好的優(yōu)點(diǎn),又結(jié)合了背景差分法能夠檢測(cè)出目標(biāo)完整輪廓的優(yōu)點(diǎn),最后實(shí)驗(yàn)結(jié)果表明此算法能夠較好的檢測(cè)出目標(biāo)。2、提出一種改進(jìn)的Camshift算法。針對(duì)Camshift跟蹤算法在目標(biāo)與背景顏色相近時(shí)跟蹤效果不好的問(wèn)題,利用核函數(shù)對(duì)搜索窗口中屬于目標(biāo)的像素點(diǎn)所對(duì)應(yīng)的概率值進(jìn)行加權(quán),得到加權(quán)的反向投影圖,減少了背景顏色的影響。同時(shí)融合色調(diào)(Hue)、飽和度(Saturation)和邊緣方向直方圖(Histogram of Oriented Edge)等目標(biāo)特征構(gòu)建更為魯棒的目標(biāo)模型。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的算法抗干擾能力更強(qiáng),魯棒性更好,跟蹤精度更高,基本滿足實(shí)時(shí)性。3、研究了有重疊視野攝像機(jī)間的目標(biāo)關(guān)聯(lián)算法。對(duì)于有重疊視野區(qū)域的多攝像機(jī),利用4對(duì)空間共面但不共線的匹配點(diǎn)求得單應(yīng)性矩陣,然后根據(jù)單應(yīng)性矩陣恢復(fù)攝像機(jī)之間的視野分界線,通過(guò)視野分界線劃分視野重疊區(qū)域。當(dāng)攝像機(jī)的重疊區(qū)域內(nèi)出現(xiàn)運(yùn)動(dòng)目標(biāo),將目標(biāo)坐標(biāo)統(tǒng)一映射到同一個(gè)攝像機(jī)下,計(jì)算目標(biāo)之間的歐式距離,如果目標(biāo)的歐式距離大于既定閾值,則不是同一目標(biāo),如果只有一個(gè)目標(biāo)的歐式距離小于既定閾值,則是同一目標(biāo)。如果多個(gè)目標(biāo)的歐式距離小于閾值,再通過(guò)顏色直方圖匹配,相似度最高的目標(biāo)即是相同目標(biāo)。實(shí)驗(yàn)證明本文提出算法比基于視野分界線的關(guān)聯(lián)方法更簡(jiǎn)單、準(zhǔn)確。4、對(duì)于無(wú)重疊視野區(qū)域的多攝像機(jī),根據(jù)D-S證據(jù)理論將目標(biāo)的多個(gè)特征進(jìn)行融合,將色調(diào),邊緣方向直方圖,快速魯棒性尺度不變特征(SURF)和目標(biāo)形狀特征等特征,通過(guò)D-S證據(jù)理論進(jìn)行融合,來(lái)實(shí)現(xiàn)目標(biāo)關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明,基于D-S證據(jù)推理理論的多特征融合目標(biāo)關(guān)聯(lián)算法能夠較為準(zhǔn)確地實(shí)現(xiàn)不同攝像機(jī)之間的目標(biāo)關(guān)聯(lián),克服了利用單個(gè)特征魯棒性不高的缺點(diǎn)。
【關(guān)鍵詞】：多攝像機(jī) 目標(biāo)跟蹤 camshift 目標(biāo)關(guān)聯(lián) 多特征融合
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;TN948.6
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 跟蹤算法12-13
• 1.2.2 關(guān)聯(lián)算法13-15
• 1.3 主要難點(diǎn)15
• 1.4 論文內(nèi)容與結(jié)構(gòu)安排15-17
• 第二章 運(yùn)動(dòng)目標(biāo)檢測(cè)17-28
• 2.1 傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法17-18
• 2.1.1 幀間分差法17-18
• 2.1.2 背景差法18
• 2.2 結(jié)合幀間差分法與時(shí)間平均法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法18-22
• 2.2.1 背景構(gòu)建19-20
• 2.2.2 運(yùn)動(dòng)目標(biāo)檢測(cè)20-21
• 2.2.3 自適應(yīng)閾值計(jì)算21-22
• 2.3 實(shí)驗(yàn)結(jié)果及分析22-27
• 2.4 本章小結(jié)27-28
• 第三章 基于加權(quán)反向投影圖和多特征融合的Camshift跟蹤算法28-49
• 3.1 運(yùn)動(dòng)目標(biāo)跟蹤原理28-29
• 3.1.1 目標(biāo)的有效表達(dá)與相似性度量28
• 3.1.2 跟蹤算法的分類28-29
• 3.2 Camshift算法29-36
• 3.2.1 顏色空間30-33
• 3.2.2 直方圖反向投影33-34
• 3.2.3 Meanshift過(guò)程34
• 3.2.4 Camshift過(guò)程34-36
• 3.3 改進(jìn)的Camshift跟蹤算法36-40
• 3.3.1 邊緣方向直方圖36-37
• 3.3.2 加權(quán)的反向投影圖37-38
• 3.3.3 多特征融合38-39
• 3.3.4 新算法流程39-40
• 3.4 實(shí)驗(yàn)結(jié)果及分析40-48
• 3.5 本章小結(jié)48-49
• 第四章 有重疊視野攝像機(jī)間的目標(biāo)關(guān)聯(lián)49-63
• 4.1 目標(biāo)關(guān)聯(lián)方法分類49-51
• 4.2 視野分界線的生成算法51-53
• 4.3 基于重疊視野區(qū)域的目標(biāo)關(guān)聯(lián)算法53-56
• 4.3.1 基于單應(yīng)性矩陣的視野分界線生成54
• 4.3.2 目標(biāo)對(duì)應(yīng)關(guān)系的判別54-56
• 4.4 實(shí)驗(yàn)結(jié)果及分析56-62
• 4.5 本章小結(jié)62-63
• 第五章 無(wú)重疊視野攝像機(jī)間的目標(biāo)關(guān)聯(lián)63-73
• 5.1 D-S證據(jù)理論概述63-64
• 5.2 基于D-S證據(jù)理論的多特征融合目標(biāo)關(guān)聯(lián)算法64-69
• 5.2.1 多特征描述65-66
• 5.2.2 基本置信指派函數(shù)構(gòu)造66-68
• 5.2.3 決策規(guī)則68
• 5.2.4 算法流程68-69
• 5.3 實(shí)驗(yàn)結(jié)果及分析69-72
• 5.4 本章小結(jié)72-73
• 第六章 總結(jié)與展望73-75
• 6.1 論文工作總結(jié)73-74
• 6.2 未來(lái)工作展望74-75
• 致謝75-76
• 參考文獻(xiàn)76-81
• 碩士期間取得的研究成果81-82

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 孫曉燕;多攝像機(jī)接力目標(biāo)跟蹤關(guān)鍵算法研究[D];山東大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 常向魁;視頻運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];河南大學(xué);2007年

  本文關(guān)鍵詞：多攝像機(jī)下運(yùn)動(dòng)目標(biāo)跟蹤關(guān)聯(lián)的關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：383495