隨著信息化程度的不斷提高,智能視頻監(jiān)控系統(tǒng)已被普遍運(yùn)用于各種場合,例如道路交通,社區(qū)學(xué)校,車站機(jī)場等公共場合。在物聯(lián)網(wǎng)的大背景下,智能視頻監(jiān)控,不僅要求能夠?qū)ΡO(jiān)控視頻進(jìn)行采集,而且更多情況下需要系統(tǒng)能夠?qū)ΡO(jiān)控視頻中的目標(biāo)信息進(jìn)行提取和分析,并且對(duì)這些信息做出響應(yīng),進(jìn)而實(shí)現(xiàn)視頻監(jiān)控的智能管理,因此如何實(shí)現(xiàn)攝像機(jī)資源的分配和管理,監(jiān)控視頻的處理和分析,以及視頻監(jiān)控的控制成為了目前智能監(jiān)管和安防領(lǐng)域主要研究的問題。鑒于以上問題本文分別對(duì)攝像機(jī)節(jié)點(diǎn)的動(dòng)態(tài)選擇、多目標(biāo)跟蹤、攝像機(jī)主從聯(lián)動(dòng)等方面展開了研究工作。本文的研究成果主要包括以下幾個(gè)方面:1)提出了一種基于馬爾科夫決策過程的攝像節(jié)點(diǎn)動(dòng)態(tài)選擇算法。該方法將目標(biāo)的數(shù)量、速度、分布、:朝向評(píng)分作為攝像機(jī)節(jié)點(diǎn)的評(píng)價(jià)方式,并且結(jié)合馬爾科夫決策過程得到最優(yōu)分配策略的值函數(shù),最后通過值迭代的方式求解最優(yōu)節(jié)點(diǎn),實(shí)現(xiàn)攝像機(jī)節(jié)點(diǎn)的動(dòng)態(tài)選擇。本文選取了不同的數(shù)據(jù)集并且對(duì)比了其他算法進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)證明通過該算法推演出的節(jié)點(diǎn)策略能夠較為準(zhǔn)確的監(jiān)控絕大多數(shù)的目標(biāo),在解決攝像機(jī)資源調(diào)度分配問題中取得了良好的實(shí)驗(yàn)效果。2)提出了一種基于YOLO v3的多目標(biāo)跟蹤算法。該... 

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 攝像機(jī)節(jié)點(diǎn)的動(dòng)態(tài)選擇
        1.2.2 多目標(biāo)跟蹤
        1.2.3 攝像機(jī)主從聯(lián)動(dòng)
    1.3 主要研究工作和研究成果
    1.4 論文的內(nèi)容安排
2 攝像機(jī)節(jié)點(diǎn)動(dòng)態(tài)選擇
    2.1 引言
    2.2 攝像機(jī)節(jié)點(diǎn)選擇技術(shù)框圖
    2.3 攝像機(jī)節(jié)點(diǎn)狀態(tài)表示
    2.4 攝像機(jī)節(jié)點(diǎn)動(dòng)態(tài)選擇算法
    2.5 狀態(tài)建模與規(guī)劃
        2.5.1 馬爾科夫決策過程(MDP)
        2.5.2 攝像機(jī)節(jié)點(diǎn)動(dòng)態(tài)選擇過程的狀態(tài)建模
        2.5.3 最優(yōu)分配策略的值函數(shù)表示
        2.5.4 值迭代求解最優(yōu)策略
    2.6 節(jié)點(diǎn)評(píng)估方法
    2.7 本章小結(jié)
3 多目標(biāo)跟蹤
    3.1 引言
    3.2 多目標(biāo)跟蹤算法整體框圖
    3.3 YOLO檢測算法
    3.4 緊鄰跟蹤算法
        3.4.1 軌跡預(yù)測
        3.4.2 數(shù)據(jù)關(guān)聯(lián)
        3.4.3 緊鄰最優(yōu)跟蹤算法
        3.4.4 軌跡異常修正算法
    3.5 本章小結(jié)
4 攝像機(jī)主從聯(lián)動(dòng)
    4.1 引言
    4.2 攝像機(jī)主從聯(lián)動(dòng)算法框圖
    4.3 主從攝像機(jī)目標(biāo)關(guān)聯(lián)
        4.3.1 特征提取
        4.3.2 特征匹配
        4.3.3 圖像相似度對(duì)比
        4.3.4 基于HOG特征的主從攝像機(jī)目標(biāo)關(guān)聯(lián)算法
    4.4 角度的解算
    4.5 基于時(shí)間量化的對(duì)準(zhǔn)跟蹤算法
        4.5.1 基于時(shí)間量化的對(duì)準(zhǔn)跟蹤算法流程圖
        4.5.2 云臺(tái)轉(zhuǎn)動(dòng)時(shí)間量化
    4.6 本章小結(jié)
5 實(shí)驗(yàn)結(jié)果與分析
    5.1 攝像機(jī)節(jié)點(diǎn)動(dòng)態(tài)選擇的實(shí)驗(yàn)結(jié)果與分析
        5.1.1 實(shí)驗(yàn)的主要設(shè)備信息
        5.1.2 實(shí)驗(yàn)結(jié)果與分析
        5.1.3 實(shí)驗(yàn)結(jié)論
    5.2 多目標(biāo)跟蹤的實(shí)驗(yàn)結(jié)果與分析
        5.2.1 實(shí)驗(yàn)的主要設(shè)備信息
        5.2.2 實(shí)驗(yàn)結(jié)果與分析
        5.2.3 實(shí)驗(yàn)結(jié)論
    5.3 攝像機(jī)主從聯(lián)動(dòng)的實(shí)驗(yàn)結(jié)果和分析
        5.3.1 實(shí)驗(yàn)設(shè)備
        5.3.2 實(shí)驗(yàn)結(jié)果與分析
        5.3.3 實(shí)驗(yàn)結(jié)論
6 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
作者簡歷及攻讀碩士學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于R-FCN框架的多候選關(guān)聯(lián)在線多目標(biāo)跟蹤[J]. 鄂貴,王永雄.  光電工程. 2020(01)
[2]聯(lián)合YOLO和Camshift的目標(biāo)跟蹤算法研究[J]. 韓鵬,沈建新,江俊佳,周喆.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(09)
[3]融合YOLO檢測與均值漂移的目標(biāo)跟蹤算法[J]. 王忠民,段娜,范琳.  計(jì)算機(jī)工程與應(yīng)用. 2019(10)
[4]融合圖像顯著性與特征點(diǎn)匹配的形變目標(biāo)跟蹤[J]. 楊勇,閆鈞華,井慶豐.  中國圖象圖形學(xué)報(bào). 2018(03)
[5]選配電動(dòng)云臺(tái)時(shí)的注意事項(xiàng)[J]. 紀(jì)淑方.  中國安防產(chǎn)品信息. 1998(04)

博士論文
[1]攝像機(jī)網(wǎng)絡(luò)節(jié)點(diǎn)動(dòng)態(tài)選擇技術(shù)研究[D]. 李騫.南京大學(xué) 2016

碩士論文
[1]基于人臉特征點(diǎn)定位的主從攝像機(jī)聯(lián)動(dòng)算法研究[D]. 范文萍.北京郵電大學(xué) 2014



本文編號(hào)：3668318