本文關(guān)鍵詞：視頻監(jiān)控中的目標(biāo)檢測(cè)與跟蹤問題研究

  更多相關(guān)文章： 迭代跟蹤 光流 在線檢測(cè) 在線學(xué)習(xí)

【摘要】：目標(biāo)檢測(cè)與跟蹤技術(shù)是計(jì)算機(jī)視覺、視頻圖像監(jiān)控與模式識(shí)別領(lǐng)域中的核心課題之一,主要的目標(biāo)為獲取跟蹤目標(biāo)的位置信息與運(yùn)動(dòng)參數(shù)(如速度、加速度等)并得出目標(biāo)在圖像序列中的運(yùn)動(dòng)軌跡,為進(jìn)一步的圖像理解、目標(biāo)行為分析等做好基礎(chǔ),從而完成更高級(jí)的課題任務(wù)。本文以道路上的車輛為研究對(duì)象,針對(duì)不同場(chǎng)景下的車輛跟蹤問題進(jìn)行了研究。論文的主要研究是基于跟蹤-學(xué)習(xí)-檢測(cè)的思想,通過檢測(cè)器來增強(qiáng)跟蹤器的穩(wěn)定性,并使用跟蹤器的結(jié)果作為正負(fù)樣本在線學(xué)習(xí)更新檢測(cè)器參數(shù)。論文主要包含三個(gè)部分:迭代跟蹤器算法研究、檢測(cè)器研究與在線學(xué)習(xí)方法研究。首先,根據(jù)跟蹤實(shí)際需求,設(shè)計(jì)跟蹤器模塊。文中首先比較了三種不同的算法,并在其基礎(chǔ)上分析改進(jìn),提出了一種光流Mean-shift融合的方法來對(duì)目標(biāo)進(jìn)行跟蹤,并與一般光流法比較,給出實(shí)驗(yàn)分析,得出較好的實(shí)驗(yàn)結(jié)果。其次,設(shè)計(jì)目標(biāo)檢測(cè)模塊。分別嘗試了Haar特征分類器和級(jí)聯(lián)分類器檢測(cè)目標(biāo),并在級(jí)聯(lián)分類器中改進(jìn)滑動(dòng)窗口搜索機(jī)制,并應(yīng)用ViBe前景提取算法作為第二步弱分類器,采用隨機(jī)蕨類分類器作為第三級(jí)分類器,最后使用模板匹配得出檢測(cè)目標(biāo)位置。在此基礎(chǔ)上,對(duì)算法中的學(xué)習(xí)融合模塊做出設(shè)計(jì)。基于運(yùn)動(dòng)連續(xù)性原則,以跟蹤結(jié)果鄰近滑動(dòng)窗口圖像塊作為正樣本,其余為負(fù)樣本,對(duì)檢測(cè)器參數(shù)進(jìn)行了在線學(xué)習(xí),得到級(jí)聯(lián)檢測(cè)器的模板匹配方法中的樣本類更新以及最后,實(shí)驗(yàn)使用PETS2000數(shù)據(jù)庫和實(shí)際交通監(jiān)控視頻驗(yàn)證算法。實(shí)驗(yàn)結(jié)果表明在多個(gè)場(chǎng)景下,達(dá)到了一定的準(zhǔn)確率,但是跟蹤速度不能滿足實(shí)時(shí)性要求;與此同時(shí),在跟蹤目標(biāo)產(chǎn)生形變、旋轉(zhuǎn)、尺度變化以及遮擋時(shí)可以穩(wěn)定跟蹤目標(biāo)。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN948.6
，

本文編號(hào)：1285283