發(fā)布時(shí)間：2017-12-24 03:23

  本文關(guān)鍵詞：基于模糊信息處理的視頻目標(biāo)跟蹤方法研究　出處：《深圳大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 視頻目標(biāo)跟蹤 模糊集 模糊聚類 直覺模糊集 數(shù)據(jù)關(guān)聯(lián)

【摘要】：隨著計(jì)算機(jī)技術(shù)以及傳感器技術(shù)的發(fā)展,視頻采集技術(shù)不斷提高,所采集、存儲(chǔ)的視頻數(shù)量日益增長(zhǎng),對(duì)海量視頻數(shù)據(jù)的處理需求推動(dòng)了智能視頻分析技術(shù)的快速發(fā)展。視頻目標(biāo)跟蹤作為智能視頻分析中的核心技術(shù)之一,通過對(duì)視頻目標(biāo)的跟蹤獲取目標(biāo)的位置、標(biāo)簽、尺寸、速度等目標(biāo)狀態(tài)信息以及目標(biāo)的運(yùn)動(dòng)軌跡,為更高一層的目標(biāo)行為分析與理解打下重要基礎(chǔ),已經(jīng)成為國(guó)內(nèi)外學(xué)者以及科研機(jī)構(gòu)的研究熱點(diǎn)之一。當(dāng)前,視頻目標(biāo)跟蹤已被廣泛應(yīng)用于視頻監(jiān)控、智能交通、智能機(jī)器人、人機(jī)交互、視頻壓縮、視頻檢索、無人駕駛等諸多領(lǐng)域,具有非常重要的研究意義和學(xué)術(shù)價(jià)值。盡管人們已經(jīng)提出了大量視頻目標(biāo)跟蹤方法,但是在復(fù)雜場(chǎng)景下,長(zhǎng)時(shí)間可靠的視頻目標(biāo)跟蹤仍然是一個(gè)具有挑戰(zhàn)性的問題。由于先驗(yàn)知識(shí)的缺乏,以及目標(biāo)運(yùn)動(dòng)過程中光照變化、雜波干擾、目標(biāo)尺度變化等因素的存在,目標(biāo)外觀特征中難以避免的含有不確定性信息,使得視頻目標(biāo)的準(zhǔn)確跟蹤變得困難。對(duì)于多目標(biāo)跟蹤問題,還存在目標(biāo)數(shù)目未知、目標(biāo)漏檢以及虛假觀測(cè)等不確定性因素,使得目標(biāo)與觀測(cè)間的數(shù)據(jù)關(guān)聯(lián)變得更加困難。本文基于模糊集理論以及直覺模糊集理論,圍繞如何克服視頻目標(biāo)跟蹤中目標(biāo)外觀模型以及數(shù)據(jù)關(guān)聯(lián)中的不確定性進(jìn)行了深入研究,提出了一系列有效的視頻目標(biāo)跟蹤新方法:(1)針對(duì)復(fù)雜場(chǎng)景下的視頻目標(biāo)跟蹤問題,提出了一種基于多屬性模糊綜合的視頻目標(biāo)跟蹤算法。該算法將外觀特征和光流特征統(tǒng)一到多屬性投票跟蹤框架中,同時(shí),為了克服外觀特征投票可信度與光流特征投票可信度中的不確定性,引入模糊綜合函數(shù),通過對(duì)不同的投票可信度進(jìn)行模糊綜合,生成了更為可靠的模糊綜合可信度,得到了目標(biāo)中心位置的可靠估計(jì)。實(shí)驗(yàn)結(jié)果表明,該算法能夠在復(fù)雜場(chǎng)景下取得較好的跟蹤效果。(2)針對(duì)視頻多目標(biāo)在線跟蹤中觀測(cè)定位、目標(biāo)數(shù)目以及虛假觀測(cè)等多種不確定性因素條件下目標(biāo)與觀測(cè)間的數(shù)據(jù)關(guān)聯(lián)問題,提出了一種基于模糊空時(shí)信息聚類的視頻多目標(biāo)在線跟蹤算法。該算法從空時(shí)信息中提取了多屬性特征來度量目標(biāo)與觀測(cè)間的距離,并通過兩次模糊C均值聚類,分別計(jì)算出以目標(biāo)作為聚類中心和以觀測(cè)作為聚類中心的模糊隸屬度,然后通過模糊綜合函數(shù)對(duì)這兩種隸屬度進(jìn)行融合,得到模糊綜合隸屬度,最后根據(jù)模糊綜合隸屬度實(shí)現(xiàn)目標(biāo)與觀測(cè)間的數(shù)據(jù)關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明,該算法能夠較好地處理目標(biāo)與觀測(cè)間數(shù)據(jù)關(guān)聯(lián)的不確定性并且能夠有效抑制虛假軌跡的產(chǎn)生,取得了較好的跟蹤效果。(3)針對(duì)視頻多目標(biāo)跟蹤中的模糊數(shù)據(jù)關(guān)聯(lián)問題,為了更好地提取不確定性信息中的有用信息,提出了一種基于直覺模糊集的視頻多目標(biāo)在線跟蹤算法。該算法通過定義模糊直覺指數(shù),對(duì)由模糊C均值聚類得到的模糊隸屬度中的不確定信息進(jìn)行建模,并采用直覺模糊點(diǎn)算子從模糊直覺指數(shù)中進(jìn)一步提取有用信息,計(jì)算出目標(biāo)與觀測(cè)間的直覺模糊隸屬度,最后根據(jù)直覺模糊隸屬度實(shí)現(xiàn)目標(biāo)與觀測(cè)間的數(shù)據(jù)關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明,該算法能夠較好地處理目標(biāo)與觀測(cè)間數(shù)據(jù)關(guān)聯(lián)的不確定性,在多個(gè)測(cè)試視頻上均取得了較好的跟蹤效果。(4)針對(duì)視頻多目標(biāo)跟蹤中存在特征描述不確定性問題,提出了一種基于直覺模糊隨機(jī)森林的視頻多目標(biāo)在線跟蹤算法。該算法設(shè)計(jì)了一種新的直覺模糊決策樹模型,并以直覺模糊決策樹模型作為基本單元,結(jié)合隨機(jī)樣本采樣以及隨機(jī)特征選擇,給出了一種新的直覺模糊隨機(jī)森林模型,以直覺模糊隨機(jī)森林作為目標(biāo)分類器,實(shí)現(xiàn)對(duì)漏檢目標(biāo)的在線跟蹤。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有方法相比,該算法在多目標(biāo)跟蹤準(zhǔn)確性等多項(xiàng)跟蹤性能評(píng)價(jià)指標(biāo)上均有較明顯的提高。此外,考慮到直覺模糊隨機(jī)森林模型的存儲(chǔ)量和計(jì)算量較大,利用AdaBoost算法訓(xùn)練淺層直覺模糊決策樹模型構(gòu)造出了提升直覺模糊樹模型。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尤小泉;彭映杰;;一種基于指令預(yù)測(cè)的目標(biāo)跟蹤方法[J];電視技術(shù);2010年02期

2 邵文坤;黃愛民;韋慶;;目標(biāo)跟蹤方法綜述[J];影像技術(shù);2006年01期

3 梁德群;阮文;;基于模型的線性組合目標(biāo)跟蹤方法[J];模式識(shí)別與人工智能;1995年04期

4 王思，

本文編號(hào)：1326676