本文關(guān)鍵詞：基于編碼優(yōu)化及情景感知的智能視頻跟蹤算法研究

  更多相關(guān)文章： 視頻跟蹤 情景感知 視頻編碼 粒子濾波

【摘要】：隨著科學(xué)技術(shù)的快速發(fā)展,視頻跟蹤技術(shù)在人們生活中的應(yīng)用范圍越來(lái)越廣,已成為行業(yè)內(nèi)的研究熱點(diǎn)之一。視頻跟蹤技術(shù)主要應(yīng)用于對(duì)視頻中人物或物體的識(shí)別和跟蹤,以及對(duì)視頻中的特殊或異常事件的檢測(cè)和識(shí)別等方面,具有實(shí)時(shí)性和準(zhǔn)確性雙重需求。然而在實(shí)際中它的發(fā)展和應(yīng)用受到以下兩方面因素制約：一方面,視頻分辨率正朝著高清甚至超高清方向發(fā)展,其中超高清視頻中每幀所包含的像素點(diǎn)高達(dá)千萬(wàn)之多,這給視頻跟蹤的實(shí)時(shí)性實(shí)現(xiàn)帶來(lái)了巨大的壓力；另一方面,實(shí)際的視頻中存在一定的遮擋和干擾,背景復(fù)雜,這會(huì)對(duì)視頻跟蹤的準(zhǔn)確性造成影響。因此,如何在高分辨率以及背景復(fù)雜的視頻中實(shí)現(xiàn)準(zhǔn)確實(shí)時(shí)的視頻跟蹤,成為了行業(yè)內(nèi)研究的重點(diǎn)。針對(duì)上述問題,本文對(duì)視頻跟蹤技術(shù)進(jìn)行了深入研究,設(shè)計(jì)了低復(fù)雜度的視頻編碼優(yōu)化算法,同時(shí)提出基于場(chǎng)景感知的視頻跟蹤算法以提升視頻跟蹤的準(zhǔn)確性和魯棒性。首先,本文針對(duì)超高清視頻計(jì)算復(fù)雜度大的問題,提出了基于情景感知的編碼優(yōu)化算法。此算法對(duì)視頻編碼幀間預(yù)測(cè)技術(shù)中的運(yùn)動(dòng)估計(jì)算法進(jìn)行了優(yōu)化,根據(jù)運(yùn)動(dòng)矢量的中心分布特征,提出了新的像素塊匹配搜索模板,即非對(duì)稱雙十字菱形模板。在進(jìn)行像素塊匹配搜索時(shí),先通過(guò)非對(duì)稱雙十字模板對(duì)最佳匹配塊的位置進(jìn)行粗略定位,之后再使用菱形小模板對(duì)最佳匹配塊的位置進(jìn)行精確定位。除此之外,本算法還加入了中途終止的搜索機(jī)制,以減少算法的計(jì)算復(fù)雜度。實(shí)驗(yàn)表明,在標(biāo)準(zhǔn)高清視頻如"Stockholm"、"Ducks"等視頻序列中,使用非對(duì)稱雙十字菱形模板的編碼優(yōu)化算法相比于傳統(tǒng)的使用菱形、十字形等搜索模板的編碼算法在峰值信噪比上平均提升1dB,同時(shí)降低約20%的計(jì)算復(fù)雜度。低復(fù)雜度的快速視頻編碼優(yōu)化算法能夠提升視頻跟蹤系統(tǒng)實(shí)時(shí)性。其次,本文針對(duì)視頻中出現(xiàn)的遮擋、干擾以及復(fù)雜背景等問題,提出了一種基于情景感知的視頻跟蹤算法。在此算法中,本文創(chuàng)新性的提出了兩個(gè)關(guān)于跟蹤目標(biāo)的關(guān)鍵特征,即像素塊分裂系數(shù)和像素塊關(guān)系變化系數(shù)(BRC)。本算法首先將要跟蹤的目標(biāo)區(qū)域進(jìn)行分塊處理,根據(jù)像素塊的尺寸大小確定此像素塊的分裂系數(shù),建立目標(biāo)區(qū)域內(nèi)像素塊的分裂系數(shù)集合mapblock。之后計(jì)算每個(gè)像素塊與其周圍像素塊之間特征關(guān)系的變化系數(shù)(BRC),并建立關(guān)于像素塊關(guān)系變化系數(shù)的集合mapBRC。將建立起的兩個(gè)特征集合輸入進(jìn)粒子濾波框架,對(duì)視頻中的情景內(nèi)容進(jìn)行分析并分配粒子權(quán)重,根據(jù)粒子權(quán)重確定和目標(biāo)區(qū)域最匹配的候選區(qū)域,以實(shí)現(xiàn)視頻跟蹤的目的。在本算法中,像素塊分裂系數(shù)能夠?qū)?fù)雜背景進(jìn)行有效描述,像素塊關(guān)系變化系數(shù)則能夠?qū)φ趽鯀^(qū)域的特征進(jìn)行表示。實(shí)驗(yàn)結(jié)果顯示,在含有遮擋現(xiàn)象的標(biāo)準(zhǔn)測(cè)試視頻"Caviar"、"Occlusion"以及"women"中,傳統(tǒng)的粒子濾波跟蹤算法的準(zhǔn)確度在70%左右,而本算法的跟蹤準(zhǔn)確度在90%以上,表現(xiàn)出較強(qiáng)的準(zhǔn)確性和魯棒性。最后本文針對(duì)現(xiàn)實(shí)生活中視頻跟蹤技術(shù)的應(yīng)用,設(shè)計(jì)并實(shí)現(xiàn)了一套多場(chǎng)景多目標(biāo)的視頻跟蹤系統(tǒng)。本文設(shè)計(jì)的系統(tǒng)能夠針對(duì)多個(gè)攝像頭采集的多個(gè)場(chǎng)景,并對(duì)這些場(chǎng)景中出現(xiàn)的多個(gè)目標(biāo)同時(shí)進(jìn)行跟蹤。該系統(tǒng)分為訓(xùn)練、識(shí)別和跟蹤三個(gè)階段,通過(guò)這三個(gè)階段來(lái)提取和分析目標(biāo)的綜合特征,實(shí)現(xiàn)高效實(shí)時(shí)的跟蹤。能夠推動(dòng)現(xiàn)實(shí)中智能交通、數(shù)字城市、智能監(jiān)控等方面的實(shí)現(xiàn),此項(xiàng)研究在理論和實(shí)際應(yīng)用中具有重要意義。
【關(guān)鍵詞】：視頻跟蹤 情景感知 視頻編碼 粒子濾波
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN948.6;TP391.41
【目錄】：

• 摘要10-12
• ABSTRACT12-14
• 符號(hào)說(shuō)明14-15
• 第一章 緒論15-21
• 1.1 研究背景及意義15-16
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀16-17
• 1.3 本文研究難點(diǎn)及創(chuàng)新點(diǎn)17-19
• 1.3.1 研究難點(diǎn)17-18
• 1.3.2 創(chuàng)新點(diǎn)18-19
• 1.4 本文研究?jī)?nèi)容及章節(jié)安排19-21
• 第二章 相關(guān)技術(shù)及理論研究21-27
• 2.1 視頻編碼理論基礎(chǔ)21-24
• 2.1.1 視頻編碼概述及發(fā)展21-22
• 2.1.2 視頻編碼國(guó)際標(biāo)準(zhǔn)22
• 2.1.3 視頻編碼系統(tǒng)組成22-24
• 2.2 智能視頻跟蹤技術(shù)24-26
• 2.2.1 基于對(duì)比度分析的跟蹤算法24
• 2.2.2 基于運(yùn)動(dòng)檢測(cè)的跟蹤算法24-25
• 2.2.3 基于特征匹配的跟蹤算法25-26
• 2.3 本章小結(jié)26-27
• 第三章 高清視頻中編碼優(yōu)化算法的設(shè)計(jì)與實(shí)現(xiàn)27-43
• 3.1 HEVC視頻編碼框架介紹27-28
• 3.2 視頻編碼幀間預(yù)測(cè)技術(shù)28-30
• 3.3 運(yùn)動(dòng)估計(jì)技術(shù)及塊匹配搜索算法30-32
• 3.4 基于情景的運(yùn)動(dòng)估計(jì)優(yōu)化算法的設(shè)計(jì)與實(shí)現(xiàn)32-41
• 3.4.1 DCDS算法的設(shè)計(jì)與實(shí)現(xiàn)33-38
• 3.4.2 實(shí)驗(yàn)結(jié)果38-41
• 3.5 本章小結(jié)41-43
• 第四章 基于情景感知的視頻跟蹤算法的設(shè)計(jì)與實(shí)現(xiàn)43-57
• 4.1 基于粒子濾波的分塊跟蹤技術(shù)43-46
• 4.1.1 粒子濾波技術(shù)43-45
• 4.1.2 分塊匹配算法45-46
• 4.2 基于情景感知的目標(biāo)關(guān)鍵特征提取46-51
• 4.2.1 像素塊關(guān)系變化系數(shù)BRC46-48
• 4.2.2 像素塊分裂系數(shù)48-51
• 4.3 基于情景感知的視頻跟蹤優(yōu)化算法設(shè)計(jì)方案51-53
• 4.4 實(shí)驗(yàn)結(jié)果53-56
• 4.5 本章小結(jié)56-57
• 第五章 多場(chǎng)景多目標(biāo)的視頻跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)57-67
• 5.1 系統(tǒng)設(shè)計(jì)背景及要求57-58
• 5.2 特征提取及匹配技術(shù)58-62
• 5.2.1 顏色直方圖58
• 5.2.2 哈希編碼58-60
• 5.2.3 稀疏相似性表示60-62
• 5.3 多場(chǎng)景多目標(biāo)視頻跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)62-64
• 5.3.1 訓(xùn)練階段62
• 5.3.2 識(shí)別階段62-63
• 5.3.3 跟蹤階段63-64
• 5.4 實(shí)驗(yàn)結(jié)果64-66
• 5.5 本章小結(jié)66-67
• 第六章 總結(jié)與展望67-70
• 6.1 全文工作總結(jié)67-68
• 6.2 下一步工作展望68-70
• 參考文獻(xiàn)70-75
• 致謝75-76
• 攻讀學(xué)位期間的科研成果和參加的項(xiàng)目76-78
• 附件78

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃立新;張明謙;;視頻跟蹤系統(tǒng)模型研究[J];艦船科學(xué)技術(shù);2006年S1期

2 趙孔新;李金岳;許蘭;;視頻跟蹤系統(tǒng)中雙運(yùn)動(dòng)目標(biāo)間的角度測(cè)量[J];雷達(dá)科學(xué)與技術(shù);2007年06期

3 謝方方;楊文飛;韓月霞;崔靜;于越;;基于System Generator的快速視頻跟蹤系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年01期

4 龍?jiān)俸?朱永平,陳惠紅,周連芳;視頻跟蹤-計(jì)算機(jī)自動(dòng)分析的小鼠條件性位置偏愛實(shí)驗(yàn)系統(tǒng)的構(gòu)建[J];浙江大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2004年06期

5 胡宏宇;王殿海;孫迪;;基于視頻跟蹤方法的行人過(guò)街狀態(tài)表達(dá)與分析[J];交通信息與安全;2009年03期

6 吳海城;陸松年;;多目標(biāo)視頻跟蹤技術(shù)的研究[J];信息技術(shù);2009年07期

7 吳諾;;視頻跟蹤算法在安防輔助定位中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2011年05期

8 夏瑜;吳小俊;;球粒子濾波視頻跟蹤算法[J];模式識(shí)別與人工智能;2012年03期

9 劉先志,戴軍,宋凌英;電視紅外視頻跟蹤模塊[J];光學(xué)與光電技術(shù);2004年06期

10 金剛石;呂宏宇;劉立志;;基于坐標(biāo)變換的視頻跟蹤誤差角的計(jì)算方法[J];激光與紅外;2011年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 王立琦;陳海云;燕小強(qiáng);;一種改進(jìn)的粒子濾波視頻跟蹤算法[A];第13屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

2 茹琦;彭志紅;張娟;陳遜;;基于SB/MHT的多目標(biāo)視頻跟蹤的研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

3 趙宇宙;朱明清;陳宗海;;視頻跟蹤中的局部區(qū)域差異性特征模型研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

4 仝明磊;韓紅;;隨機(jī)字典的粒子濾波視頻跟蹤[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

5 王松浩;王大珊;;基于一種改進(jìn)視頻跟蹤算法的交通參數(shù)提取方法研究[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

6 郭練;周凱;劉富強(qiáng);;全程視頻跟蹤在智能建筑內(nèi)的應(yīng)用[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 崔光民;基于多攝像機(jī)的智能視頻跟蹤研究[D];華中科技大學(xué);2015年

2 劉鎮(zhèn)_";面向視頻跟蹤系統(tǒng)的關(guān)鍵算法和動(dòng)態(tài)可重構(gòu)硬件架構(gòu)研究[D];西安電子科技大學(xué);2014年

3 韓華;基于改進(jìn)粒子濾波算法的多目標(biāo)智能視頻跟蹤研究[D];東華大學(xué);2012年

4 周毅;圖像監(jiān)控中的視頻跟蹤方法的研究[D];上海交通大學(xué);2012年

5 張燦龍;基于多區(qū)域聯(lián)合決策的視頻跟蹤方法研究[D];上海交通大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 宋平;基于粒子濾波的目標(biāo)跟蹤的算法研究[D];遼寧大學(xué);2015年

2 陳龍;基于DM642視頻跟蹤的無(wú)人機(jī)群控單元研究[D];南京理工大學(xué);2015年

3 代兵云;基于角點(diǎn)和surf特征的目標(biāo)尺度自適應(yīng)研究[D];山東大學(xué);2015年

4 賈龍飛;視頻流中人臉實(shí)時(shí)跟蹤[D];電子科技大學(xué);2014年

5 馮亮;機(jī)器視覺技術(shù)的視頻跟蹤系統(tǒng)研究及FPGA實(shí)現(xiàn)[D];貴州大學(xué);2015年

6 金瑋;基于潛在子空間投影追蹤的魯棒視頻跟蹤方法[D];大連理工大學(xué);2015年

7 王曉敏;智能交通中視頻跟蹤技術(shù)的研究[D];天津職業(yè)技術(shù)師范大學(xué);2016年

8 蘆丹;基于局部表示的視頻跟蹤算法研究[D];太原科技大學(xué);2015年

9 孫彬;基于編碼優(yōu)化及情景感知的智能視頻跟蹤算法研究[D];山東大學(xué);2016年

10 冀愛民;基于視頻跟蹤的條煙擁堵檢測(cè)[D];西安電子科技大學(xué);2011年

，

本文編號(hào)：852876