發(fā)布時間：2017-08-30 08:10

  本文關(guān)鍵詞：基于運動特征的視頻網(wǎng)絡(luò)多目標(biāo)匹配和跟蹤方法研究

  更多相關(guān)文章： 智能視頻監(jiān)控 目標(biāo)跟蹤 目標(biāo)匹配 時空運動軌跡

【摘要】：視頻網(wǎng)絡(luò)的智能視頻監(jiān)控應(yīng)用有廣泛的應(yīng)用前景和研究價值,運動目標(biāo)跟蹤是許多智能視頻監(jiān)控應(yīng)用的基礎(chǔ)。單目攝像頭下,目標(biāo)間的遮擋處理是目標(biāo)跟蹤的核心問題。常規(guī)目標(biāo)跟蹤方法通過相鄰幀目標(biāo)的外觀特征實現(xiàn)相同目標(biāo)的匹配,勾畫目標(biāo)的運動軌跡。但是在目標(biāo)間存在遮擋時,使用目標(biāo)的外觀作為匹配特征必然導(dǎo)致目標(biāo)的錯誤跟蹤或跟蹤丟失。單攝像頭本身無法提供目標(biāo)的深度信息,為了確定目標(biāo)的深度,就需要另外一個攝像頭提供附加的約束信息。因此,利用多攝像頭對目標(biāo)進(jìn)行跟蹤就面臨著不同攝像頭間相同目標(biāo)圖像匹配問題。而常規(guī)的圖像匹配方法采用目標(biāo)圖像的顏色、紋理、尺度不變特征變化等作為匹配特征。但是在實際的監(jiān)控場景中,由于光照的變化、攝像頭視角的差異、攝像頭分辨率低等因素的影響,基于以上特征的匹配算法都存在應(yīng)用場景受限的缺點。在運動過程中固定物的遮擋、目標(biāo)之間的相互遮擋也會導(dǎo)致現(xiàn)有算法的匹配準(zhǔn)確率下降。因此,在單目攝像頭目標(biāo)跟蹤的基礎(chǔ)上,將攝像頭間目標(biāo)的匹配問題轉(zhuǎn)換為目標(biāo)運動軌跡的匹配。本文從匹配算法對監(jiān)控環(huán)境的可擴(kuò)展性出發(fā),研究了以下四個方面的內(nèi)容:1.在單目攝像頭下,提出了基于運動區(qū)域的目標(biāo)跟蹤算法,采用目標(biāo)尺寸、目標(biāo)運動方向、目標(biāo)運動速度構(gòu)造代價函數(shù),根據(jù)代價值實現(xiàn)模板與目標(biāo)的關(guān)聯(lián)。針對運動過程中,運動目標(biāo)之間遮擋情況,采用不同的模板更新策略,解決目標(biāo)遮擋問題。2.采用MOTP和MOTA作為跟蹤算法的性能評價指標(biāo)。MOTP表示跟蹤器準(zhǔn)確預(yù)估目標(biāo)位置的能力,MOTA表示跟蹤器準(zhǔn)確預(yù)估目標(biāo)數(shù)目和跟蹤一致性的能力。3.提出了魯棒的目標(biāo)時空運動軌跡,結(jié)合了目標(biāo)的時間特性和空間運動特性,該特征具有幾何獨立性和唯一性,且不受物體形狀、光照、攝像頭間視角等因素的影響,不需要提前對攝像機(jī)進(jìn)行參數(shù)標(biāo)定。4.針對時空運動軌跡的特征,提出了改進(jìn)的基于互信息的序列相似性度量方法,該方法能有效避免不同目標(biāo)運動軌跡之間局部相似的情況。在攝像頭間,基于目標(biāo)的時空運動軌跡的相似性,利用攝像頭間目標(biāo)的運動軌跡構(gòu)造加權(quán)二部圖,通過二部圖的最優(yōu)匹配算法實現(xiàn)攝像頭間相同目標(biāo)的運動軌跡匹配。5.針對匹配結(jié)果,采用誤匹配率和平均偏差值作為匹配算法的評價指標(biāo)。仿真驗證了提出的匹配算法與基于sift特征的匹配算法在各種運動環(huán)境下的匹配性能。結(jié)果表明,提出的算法能保證較高的匹配成功率,同時保持一定的精確度。
【關(guān)鍵詞】：智能視頻監(jiān)控 目標(biāo)跟蹤 目標(biāo)匹配 時空運動軌跡
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TN948.6
【目錄】：

• 摘要5-7
• ABSTRACT7-15
• 第一章 緒論15-21
• 1.1 研究背景與意義15-16
• 1.2 國內(nèi)外研究歷史與現(xiàn)狀16-19
• 1.2.1 目標(biāo)跟蹤技術(shù)現(xiàn)狀16-17
• 1.2.2 目標(biāo)匹配技術(shù)現(xiàn)狀17-19
• 1.3 本文的主要工作19
• 1.4 本論文的結(jié)構(gòu)安排19-21
• 第二章 目標(biāo)跟蹤匹配基本理論21-33
• 2.1 目標(biāo)檢測技術(shù)21-22
• 2.1.1 背景差分法21-22
• 2.2 目標(biāo)跟蹤方法22-23
• 2.3 目標(biāo)匹配23-24
• 2.4 像素點的運動特征24-32
• 2.4.1 二維目標(biāo)運動模型25-28
• 2.4.2 三維目標(biāo)運動模型28-32
• 2.5 本章小結(jié)32-33
• 第三章 單目攝像機(jī)下目標(biāo)跟蹤技術(shù)研究33-42
• 3.1 引言33
• 3.2 基于運動的目標(biāo)跟蹤33-35
• 3.2.1 基于匹配代價的區(qū)域?qū)?yīng)33-35
• 3.2.2 代價閾值設(shè)定35
• 3.3 運動情況分析35-40
• 3.3.1 正常情況35-36
• 3.3.2 固定物遮擋或進(jìn)入/離開36
• 3.3.3 相互遮擋36-40
• 3.4 跟蹤性能評價指標(biāo)40
• 3.5 算法分析40-41
• 3.6 本章小結(jié)41-42
• 第四章 基于時空運動軌跡的攝像頭間目標(biāo)匹配42-54
• 4.1 引言42
• 4.2 時空運動軌跡42-46
• 4.2.1 軌跡定義42-43
• 4.2.2 魯棒性43-44
• 4.2.3 目標(biāo)表征點選取44-46
• 4.3 基于時空運動軌跡的目標(biāo)匹配46-50
• 4.3.1 漢明距離47
• 4.3.2 基于互信息的相似性度量47-49
• 4.3.3 改進(jìn)的相似性度量方法49-50
• 4.4 路徑的最優(yōu)匹配50-51
• 4.4.1 完全偶圖50-51
• 4.5 匹配性能評價指標(biāo)51-53
• 4.6 本章小結(jié)53-54
• 第五章 實驗結(jié)果及分析54-83
• 5.1 引言54
• 5.2 實驗環(huán)境54
• 5.3 目標(biāo)跟蹤算法仿真54-70
• 5.3.1 實驗框架54-55
• 5.3.2 模板更新實現(xiàn)55
• 5.3.3 無遮擋情況55-57
• 5.3.4 存在遮擋情況57-67
• 5.3.5 跟蹤性能評價67-70
• 5.4 目標(biāo)匹配算法仿真70-82
• 5.4.1 實驗框架70
• 5.4.2 實驗結(jié)果70-78
• 5.4.3 匹配性能評價78-82
• 5.5 本章小結(jié)82-83
• 第六章 總結(jié)和展望83-85
• 6.1 全文總結(jié)83-84
• 6.2 未來工作展望84-85
• 致謝85-86
• 參考文獻(xiàn)86-90
• 攻讀碩士學(xué)位期間取得的成果90-91

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李曉冰;;經(jīng)緯儀序列測量圖像目標(biāo)匹配方法[J];光電技術(shù)應(yīng)用;2007年05期

2 汪定偉;;電子中介的多目標(biāo)交易匹配問題及其優(yōu)化方法[J];信息系統(tǒng)學(xué)報;2007年01期

3 謝之宇;蔣曉瑜;汪熙;裴闖;;改進(jìn)的幀差法在目標(biāo)匹配中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2011年34期

4 衡林;朱秀昌;;無重疊視域的多攝像機(jī)之間的目標(biāo)匹配[J];計算機(jī)工程與應(yīng)用;2014年08期

5 郭克華;劉傳才;楊靜宇;;局部相似目標(biāo)匹配的微分幾何模型[J];系統(tǒng)仿真學(xué)報;2007年24期

6 郭克華;劉傳才;楊靜宇;;三維局部相似目標(biāo)匹配的微分幾何方法[J];模式識別與人工智能;2008年05期

7 徐楓;鄧敏;趙彬彬;陳建軍;;空間目標(biāo)匹配方法的應(yīng)用分析[J];地球信息科學(xué)學(xué)報;2009年05期

8 范彩霞;朱虹;藺廣逢;;基于顏色不變量的多相機(jī)目標(biāo)匹配方法[J];計算機(jī)工程;2012年04期

9 蘇秀琴;梁金峰;;一種基于單元信息熵的目標(biāo)匹配改進(jìn)算法[J];光子學(xué)報;2009年11期

10 王宏磊;;基于馬爾可夫決策過程的動態(tài)火力目標(biāo)匹配[J];電腦知識與技術(shù);2011年11期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 劉旨春;盛磊;于曉波;;基于多傳感器數(shù)據(jù)融合技術(shù)的多目標(biāo)匹配[A];2009年先進(jìn)光學(xué)技術(shù)及其應(yīng)用研討會論文集（下冊）[C];2009年

2 楊法強(qiáng);王海洋;;基于目標(biāo)匹配的旅游服務(wù)平臺架構(gòu)[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

3 管學(xué)偉;劉先志;杜天軍;;一種基于SIFT算法的目標(biāo)匹配方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 叢楊;唐延?xùn)|;;基于光流方程和目標(biāo)匹配的視頻圖像目標(biāo)跟蹤方法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

5 武林偉;王勇;李博;;復(fù)雜背景下目標(biāo)匹配相關(guān)跟蹤算法的頻域研究和改進(jìn)[A];江蘇、山東、河南、江西、黑龍江五省光學(xué)（激光）聯(lián)合學(xué)術(shù)'05年會論文集[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙彬彬;多尺度矢量地圖空間目標(biāo)匹配方法及其應(yīng)用研究[D];中南大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 商依婷;跨攝像頭的人員追蹤算法研究[D];吉林大學(xué);2016年

2 杜永勝;基于運動特征的視頻網(wǎng)絡(luò)多目標(biāo)匹配和跟蹤方法研究[D];電子科技大學(xué);2016年

3 欒筱朋;基于優(yōu)化距離測度學(xué)習(xí)的無重疊視域目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2016年

4 孫前鋒;基于主顏色譜及空間分布熵的目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2012年

5 曹金山;基于特征融合和支持向量機(jī)的多攝像機(jī)下目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2015年

6 楊東帆;帶電作業(yè)培訓(xùn)場景中多攝像機(jī)下的目標(biāo)匹配技術(shù)研究[D];電子科技大學(xué);2014年

7 于孔帥;基于外觀特征和距離測度學(xué)習(xí)的無重疊視域目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2014年

8 趙應(yīng)學(xué);多攝像機(jī)視頻監(jiān)控中基于幾何約束的目標(biāo)匹配技術(shù)研究[D];南京郵電大學(xué);2012年

9 劉日積;基于增量學(xué)習(xí)和特征融合的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)目標(biāo)匹配方法研究[D];浙江工商大學(xué);2015年

10 何肖爽;基于深度學(xué)習(xí)的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)目標(biāo)匹配方法研究與系統(tǒng)實現(xiàn)[D];浙江工商大學(xué);2015年

，

本文編號：758169