目標(biāo)檢測(cè)與跟蹤一直是計(jì)算機(jī)視覺領(lǐng)域研究的重心,在無人駕駛、視頻監(jiān)控等領(lǐng)域應(yīng)用廣泛。由于視頻中光照的變化、目標(biāo)的陰影、目標(biāo)之間的遮擋、目標(biāo)的消失與新生等因素,讓目標(biāo)檢測(cè)與跟蹤成為具有挑戰(zhàn)性的研究課題。本文圍繞偏正態(tài)混合模型（Skew Normal Mixed Model SNMM）目標(biāo)檢測(cè)和馬爾可夫決策過程（Markov Decision Process MDP）多目標(biāo)跟蹤進(jìn)行研究,具體的工作如下:（1）提出了一種改進(jìn)的SNMM,用以解決目標(biāo)檢測(cè)中光照變化導(dǎo)致檢測(cè)失敗的問題。SNMM中的位置參數(shù)和偏度參數(shù)可以很好地反映視頻光照的變化�；诖�,建立了含有位置參數(shù)和形狀參數(shù)的光照變化檢測(cè)準(zhǔn)則。當(dāng)檢測(cè)到光照變化時(shí),對(duì)視頻幀進(jìn)行背景差分法處理,以提高目標(biāo)檢測(cè)的準(zhǔn)確率。與高斯混合模型（GMM）、SNMM和背景差分法相比,改進(jìn)的SNMM目標(biāo)檢測(cè)算法的性能評(píng)價(jià)最高。（2）基于MDP的視頻多目標(biāo)跟蹤模型分為4個(gè)狀態(tài),分別為活動(dòng)、跟蹤、丟失、非活動(dòng)。狀態(tài)間的轉(zhuǎn)移策略的優(yōu)劣決定了目標(biāo)跟蹤的質(zhì)量和速度。為了提高目標(biāo)跟蹤的速度,在活動(dòng)和丟失狀態(tài)間提出了一種快速匹配策略的MDP（Fast_MD... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

“highwayII_raw”視頻中部分幀的檢測(cè)結(jié)果

第2章基于背景建模的目標(biāo)檢測(cè)算法17為了更好的觀察本章改進(jìn)算法的性能，利用識(shí)別率R和誤檢率NP進(jìn)行改進(jìn)算法和原算法在光線變化前后的情況比較。=TPRTPFN，=FPNPTPFP（2.36）其中TP是檢測(cè)正確的運(yùn)動(dòng)目標(biāo)數(shù)量，F(xiàn)N是沒有檢測(cè)到的運(yùn)動(dòng)目標(biāo)數(shù)量，即運(yùn)動(dòng)目標(biāo)被識(shí)別為背景的數(shù)量，F(xiàn)P是背景點(diǎn)錯(cuò)誤被檢測(cè)為運(yùn)動(dòng)目標(biāo)數(shù)量。結(jié)果由圖2-4來表示，圖2-4目標(biāo)檢測(cè)算法的性能評(píng)估圖Fig.2-4PerformanceEvaluationChartoftheTargetDetectionAlgorithm圖2-4中左邊8列是viptraffic”視頻的性能指標(biāo)，中間8列是“atrium”視頻的性能指標(biāo)，右邊8列在highwayII_raw”性能指標(biāo)。通過圖2-4我們很明顯可以看出，改進(jìn)的SNMM檢測(cè)算法的識(shí)別率高于其他算法的，誤檢率明顯低于其他的算法，說明本章算法能很好的應(yīng)對(duì)光照引起的灰度不均勻的目標(biāo)檢測(cè)。2.5本章小結(jié)本章首先介紹簡(jiǎn)要背景差分法的算法原理和算法步驟，介紹基于GMM的目標(biāo)檢測(cè)算法，并詳細(xì)介紹了該目標(biāo)檢測(cè)算法中模型的參數(shù)更新。由于像素的歷史灰度值序列并不是嚴(yán)格的服從高斯分布，引入基于SNMM進(jìn)行目標(biāo)檢測(cè)。本章針對(duì)劇烈的光照變化引起視頻目標(biāo)檢測(cè)失敗的現(xiàn)象，提出了一種改進(jìn)的SNMM的目標(biāo)檢測(cè)算法，成功解決了該問題。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的目標(biāo)檢測(cè)算法具有一定的魯棒性。

第3章基于MDP的視頻多目標(biāo)跟蹤算法193基于MDP的視頻多目標(biāo)跟蹤算法第2章介紹了目標(biāo)檢測(cè)中的背景建模方法，本章在目標(biāo)檢測(cè)的基礎(chǔ)上，將目標(biāo)在視頻中的運(yùn)動(dòng)過程看作為一個(gè)MDP。此時(shí)目標(biāo)有四個(gè)狀態(tài)分別是活動(dòng)、不活動(dòng)、跟蹤和丟失，狀態(tài)間有七個(gè)動(dòng)作。研究在目標(biāo)狀態(tài)下執(zhí)行動(dòng)作的策略，從而實(shí)現(xiàn)多目標(biāo)跟蹤。針對(duì)基于MDP跟蹤速度慢的問題，提出一個(gè)基于目標(biāo)個(gè)數(shù)變化來決定目標(biāo)的狀態(tài)的策略，也即Fast_MDP跟蹤算法。3.1MDPMDP最基本的模型是一個(gè)四元組(,,,)fSATR[24]狀態(tài)集合S：?jiǎn)栴}一切可能狀態(tài)的集合；行動(dòng)集合A：?jiǎn)栴}一切可能行動(dòng)的集合；狀態(tài)轉(zhuǎn)移函數(shù)：T:SAS[0,1]，例如T(s,a,s)表示在一個(gè)狀態(tài)s，執(zhí)行一個(gè)動(dòng)作a，而轉(zhuǎn)移到下一個(gè)狀態(tài)s的概率;回報(bào)函數(shù)：:fRSAR，例如(,)fRsa表示在狀態(tài)s執(zhí)行一個(gè)動(dòng)作a在短時(shí)間內(nèi)能得到的立即回報(bào)。本文在沒有特殊說明的情況只討論離散參數(shù)的情況，如時(shí)間、狀態(tài)及行動(dòng)的參數(shù)。在某個(gè)狀態(tài)s下會(huì)將執(zhí)行一個(gè)動(dòng)作a轉(zhuǎn)移到一個(gè)確定的狀態(tài)，狀態(tài)轉(zhuǎn)移函數(shù)如下：:saTSAS。給出MDP的一個(gè)實(shí)例，圖3-1顯示了動(dòng)作和狀態(tài)間概率轉(zhuǎn)移的過程。當(dāng)狀態(tài)是1s執(zhí)行某一動(dòng)作有0.3的概率轉(zhuǎn)移到狀態(tài)6s；狀態(tài)4s執(zhí)行某一動(dòng)作，一定可以轉(zhuǎn)移到狀態(tài)3s，像這樣的動(dòng)作就是特定的。圖3-1給定行動(dòng)的狀態(tài)間概率轉(zhuǎn)移圖Fig.3-1ProbabilityTransitionDiagrambetweenStatesforaGivenAction策略[24]是從狀態(tài)集合到動(dòng)作集合的映射，即:SA，則在狀態(tài)s下執(zhí)行動(dòng)作a可記作(s)。在圖3-1中狀態(tài)1s在策略1(s)下，執(zhí)行某一動(dòng)作a，才能轉(zhuǎn)移到狀態(tài)6s。值函數(shù)[24]：采用策略時(shí)在狀態(tài)s的期望回報(bào)。即：V:SR。計(jì)算公式如公式（3.1）所示：1s2s0.20.30.60.80.46s3s0.51.00.55s4s1.0

【參考文獻(xiàn)】：
期刊論文
[1]一種抗遮擋尺度自適應(yīng)核相關(guān)濾波器跟蹤算法[J]. 居超,黃影平,胡興.  上海理工大學(xué)學(xué)報(bào). 2018(05)
[2]基于高斯膚色模型與Blob算法的人臉檢測(cè)[J]. 李嵐,張?jiān)?  咸陽師范學(xué)院學(xué)報(bào). 2018(04)
[3]路網(wǎng)空間下基于馬爾可夫決策過程的異常車輛軌跡檢測(cè)算法[J]. 毛江云,吳昊,孫未未.  計(jì)算機(jī)學(xué)報(bào). 2018(08)
[4]一種融合遮擋分割的多目標(biāo)跟蹤算法[J]. 李健勇,徐連宇.  電訊技術(shù). 2013(02)
[5]適應(yīng)光照突變的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 李加佳,彭啟民.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2012(11)
[6]基于背景建模與幀間差分的目標(biāo)檢測(cè)改進(jìn)算法[J]. 陳俊超,張俊豪,劉詩佳,陸小鋒.  計(jì)算機(jī)工程. 2011(S1)
[7]適應(yīng)場(chǎng)景光照變化的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 李亞玲,徐榮青,聶桂軍,田俊青,姚曉宇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(02)
[8]應(yīng)用Mean Shift和分塊的抗遮擋跟蹤[J]. 顏佳,吳敏淵,陳淑珍,張青林.  光學(xué)精密工程. 2010(06)
[9]一種基于貪心搜索的實(shí)時(shí)多目標(biāo)遮擋處理算法[J]. 楊濤,李靜,潘泉,張艷寧.  自動(dòng)化學(xué)報(bào). 2010(03)
[10]消除光照影響的背景減除算法[J]. 樊亞春,周明全,耿國(guó)華.  中國(guó)圖象圖形學(xué)報(bào). 2009(07)

碩士論文
[1]基于馬爾可夫模型的行人運(yùn)動(dòng)建模與疏散研究[D]. 魏成杰.北京交通大學(xué) 2018



本文編號(hào)：2966552