【摘要】：近年來,智能視頻監(jiān)控技術(shù)是計算機視覺的一個熱點并引起了廣泛的關(guān)注。多攝像機人體跟蹤是智能視頻監(jiān)控的重要組成部分。在多攝像機跟蹤中,關(guān)鍵的兩個問題是:效果較好的跟蹤算法處理速度較慢;某個在攝像機中出現(xiàn)的特定行人,當其在另一個攝像機中出現(xiàn)時,可以自動地定位出該行人。本文針對這兩個問題,分別進行研究。主要工作包括以下幾個方面:(1)針對當前跟蹤算法無法在高分辨率下達到實時跟蹤的問題,提出了一種基于循環(huán)隊列與多線程的方法提升跟蹤算法的速度。首先,構(gòu)建兩個循環(huán)隊列作為緩沖區(qū),分別用來存放未處理的幀和縮放后的幀。然后,一個線程執(zhí)行將幀讀到緩沖區(qū)的操作和縮放幀操作,另一線程用跟蹤算法來處理縮放幀。最后,用跟蹤算法得到的位置信息映射到未處理的幀上,用來顯示。為了防止因線程之間速度較快而出現(xiàn)覆蓋循環(huán)隊列的數(shù)據(jù)的情況,可以適當?shù)脑黾友h(huán)隊列的容量。線程因處理方法不同而導致處理速度不同,需要對不同的情況進行相應(yīng)處理。為了保證顯示的幀與處理幀的一致性,同一線程對不同循環(huán)隊列中的數(shù)據(jù)操作要滿足FIFO原則和原子性。實驗結(jié)果表明,在高分辨率下,能夠?qū)崟r的跟蹤目標。(2)針對其他攝像機出現(xiàn)的人體與當前的攝像機的人體是否是同一目標問題,提出了一種基于顏色直方圖的匹配方法。首先,為了去除圖片中的亮度的影響,統(tǒng)計所有圖片的HSV顏色空間中的H分量與S分量;然后,為了防止圖片分辨率不一樣對結(jié)果造成干擾,對統(tǒng)計后的二維顏色直方圖作歸一化處理;最后計算圖片之間的匹配值。本文在VIPeR數(shù)據(jù)集進行實驗,得到了良好的效果。(3)針對于全局特征易受到干擾的問題,提出了一種基于SIFT的匹配方法。首先,為了防止人體檢測算法后的圖片塊會出現(xiàn)較大的背景區(qū)域的干擾,將圖片二值化后并計算圖片的輪廓,輪廓最大的外接矩形即是準確的人體部分;然后,在這部分檢測特征點并生成每個特征點的描述子,經(jīng)過匹配后得到了所有點的匹配信息,選取距離最近的一些點并為每個點附上一個權(quán)重,最后計算所有點距離的平方和。實驗證明,該方法是有效的。(4)本文在OpenCV3.1和CUDA7.5上建立仿真平臺,由于用到CUDA模塊,程序是64位的。拍攝多個視頻來模擬多攝像機環(huán)境并進行人體跟蹤。實驗結(jié)果表明,能夠有效的跟蹤運動人體。
【學位授予單位】：浙江理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 管皓;薛向陽;安志勇;;深度學習在視頻目標跟蹤中的應(yīng)用進展與展望[J];自動化學報;2016年06期

2 張小駿;劉志鏡;薛鴻民;;跨攝像機目標的頻域再識別[J];電子科技大學學報;2016年02期

3 劉嘉敏;梁瑩;孫洪興;段勇;劉哠;;融合檢測和跟蹤的實時人臉跟蹤[J];中國圖象圖形學報;2015年11期

4 陽小燕;任家富;劉長江;;基于視野分界線的多攝像機運動目標跟蹤算法[J];計算機工程與應(yīng)用;2016年09期

5 黃凱奇;陳曉棠;康運鋒;譚鐵牛;;智能視頻監(jiān)控技術(shù)綜述[J];計算機學報;2015年06期

6 齊美彬;張莉;蔣建國;吳暉;;分塊跟蹤中的目標模板更新方法[J];中國圖象圖形學報;2011年06期

7 張國權(quán);李戰(zhàn)明;李向偉;魏偉一;;HSV空間中彩色圖像分割研究[J];計算機工程與應(yīng)用;2010年26期

8 沈志熙;楊欣;黃席樾;;均值漂移算法中的目標模型更新方法研究[J];自動化學報;2009年05期

9 王歡;王江濤;任明武;楊靜宇;;一種魯棒的多特征融合目標跟蹤新算法[J];中國圖象圖形學報;2009年03期

10 趙春暉;張洪才;牛恩國;;多攝像機目標跟蹤系統(tǒng)設(shè)計[J];計算機測量與控制;2008年01期

本文編號：2747196