本文關(guān)鍵詞：基于檢測的在線多目標(biāo)跟蹤算法研究

  更多相關(guān)文章： 多目標(biāo)跟蹤 相關(guān)濾波 數(shù)據(jù)關(guān)聯(lián) 遮擋處理 粒子群優(yōu)化 自適應(yīng)尺度

【摘要】：隨著科技的飛速發(fā)展以及人們生活水平的提高,安全防范意識(shí)逐漸深入人心。在安全防范領(lǐng)域中,視頻監(jiān)控發(fā)揮著舉足輕重的作用。近十幾年來,視頻監(jiān)控網(wǎng)絡(luò)逐漸分布到公共場合的各個(gè)角落,也開始走進(jìn)千家萬戶。目前,廣泛應(yīng)用的視頻監(jiān)控系統(tǒng)大都是半人工式的,這類系統(tǒng)自動(dòng)化程度低,無法預(yù)警,還需要耗費(fèi)大量的人力、物力資源。智能視頻監(jiān)控系統(tǒng)勢必成為未來的發(fā)展趨勢。多目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺中的一個(gè)研究熱點(diǎn)問題,也是智能視頻監(jiān)控中最為關(guān)鍵的技術(shù)之一,它為人們提供視頻中的感興趣目標(biāo)的位置以及運(yùn)動(dòng)軌跡等信息,是進(jìn)行后續(xù)的目標(biāo)識(shí)別、目標(biāo)行為分析與理解的前提。隨著目標(biāo)檢測技術(shù)性能的大幅度提升,基于檢測的多目標(biāo)跟蹤逐漸成為研究趨勢,并取得了一定的研究成果。但是由于視頻監(jiān)控背景較為復(fù)雜以及頻繁遮擋等因素,還存在著一些難點(diǎn)問題未解決。本文主要針對(duì)其中漏檢和遮擋的問題展開了研究,主要的研究內(nèi)容和創(chuàng)新點(diǎn)如下:1.提出了基于快速位置預(yù)測的分層數(shù)據(jù)關(guān)聯(lián)算法�；跈z測的在線多目標(biāo)跟蹤算法本質(zhì)是幀幀數(shù)據(jù)關(guān)聯(lián),這種方法對(duì)檢測響應(yīng)的要求很高,特別是漏檢對(duì)跟蹤性能影響很大。本文在研究了傳統(tǒng)的在線跟蹤算法的基礎(chǔ)上,為每一個(gè)目標(biāo)分別建立了獨(dú)立的核相關(guān)濾波預(yù)測器,并將預(yù)測器與檢測響應(yīng)分層關(guān)聯(lián),共同確定目標(biāo)在每一幀中的狀態(tài)。同時(shí)為了克服核相關(guān)濾波固定尺度的缺陷,利用匹配上的檢測響應(yīng)信息自適應(yīng)地更新預(yù)測器模板,從而獲得了穩(wěn)定高效的自適應(yīng)尺度預(yù)測器。實(shí)驗(yàn)結(jié)果表明本文提出的算法在一定程度上能克服漏檢造成的跟蹤性能下降。2.提出了帶約束力的粒子群優(yōu)化遮擋處理算法。遮擋一直是多目標(biāo)跟蹤中的難點(diǎn)問題。由于目標(biāo)運(yùn)動(dòng)狀態(tài)具有隨機(jī)性,所以在目標(biāo)被遮擋失去信息后,很難對(duì)目標(biāo)狀態(tài)進(jìn)行精確的計(jì)算,經(jīng)常會(huì)出現(xiàn)跟蹤漂移。但是,如果遮擋目標(biāo)一直沒有出現(xiàn),我們可以認(rèn)為它是存在于遮擋區(qū)域的。因此,本文采用基于遮擋區(qū)域的先驗(yàn)信息去估計(jì)被遮擋目標(biāo)的狀態(tài)的策略。在采用粒子群優(yōu)化算法搜尋被遮擋目標(biāo)的最佳位置的基礎(chǔ)上,提出了一個(gè)約束力變量,并將它結(jié)合到了粒子群優(yōu)化算法的迭代計(jì)算中,從而將粒子群約束在遮擋區(qū)域附近,不會(huì)出現(xiàn)遠(yuǎn)距離的漂移。實(shí)現(xiàn)結(jié)果表明該算法在一定程度上可以克服遮擋中的跟蹤漂移。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 程憲寶;;基于改進(jìn)簡化粒子群優(yōu)化的多目標(biāo)跟蹤算法[J];計(jì)算機(jī)工程;2016年08期

2 李文生;解梅;鄧春健;;基于多點(diǎn)手勢識(shí)別的人機(jī)交互技術(shù)框架[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年06期

3 劉晨光;程丹松;劉家鋒;黃劍華;唐降龍;;一種基于交互式粒子濾波器的視頻中多目標(biāo)跟蹤算法[J];電子學(xué)報(bào);2011年02期

4 孫凱;劉士榮;;多目標(biāo)跟蹤的改進(jìn)Camshift/卡爾曼濾波組合算法[J];信息與控制;2009年01期

5 凌志剛;趙春暉;梁彥;潘泉;王燕;;基于視覺的人行為理解綜述[J];計(jì)算機(jī)應(yīng)用研究;2008年09期

6 王榮本;郭烈;金立生;顧柏園;余天洪;;智能車輛安全輔助駕駛技術(shù)研究近況[J];公路交通科技;2007年07期

7 王華忠;俞金壽;;核函數(shù)方法及其模型選擇[J];江南大學(xué)學(xué)報(bào);2006年04期

，

本文編號(hào)：1302482