本文關(guān)鍵詞：復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究　出處：《中國(guó)科學(xué)技術(shù)大學(xué)》2016年博士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 協(xié)同視頻監(jiān)控 目標(biāo)跟蹤 分塊模型 結(jié)構(gòu)限制 信息融合

【摘要】：隨著公共安全越來(lái)越受到國(guó)內(nèi)外的重視,視頻監(jiān)控被廣泛采用并成為主要的安全監(jiān)控手段。傳統(tǒng)的視頻監(jiān)控系統(tǒng)面臨著監(jiān)控代價(jià)大、看不清等問(wèn)題,智能化、高清化成為未來(lái)視頻監(jiān)控的必然發(fā)展方向。目標(biāo)跟蹤是智能監(jiān)控中的基礎(chǔ)性問(wèn)題,復(fù)雜擁擠環(huán)境給目標(biāo)跟蹤帶來(lái)的主要挑戰(zhàn)是：(1)復(fù)雜背景和相似外觀(guān)的目標(biāo)對(duì)被跟蹤目標(biāo)造成干擾,(2)擁擠環(huán)境造成目標(biāo)之間頻繁的相互遮擋,(3)作為主要跟蹤目標(biāo)的行人具有高度的非剛性形變,(4)視頻分辨率低造成細(xì)節(jié)信息丟失,區(qū)分目標(biāo)困難。本文針對(duì)這些關(guān)鍵問(wèn)題進(jìn)行了深入的研究,主要的研究工作及創(chuàng)新點(diǎn)如下：1.提出了一種基于共享字典學(xué)習(xí)的單目標(biāo)跟蹤算法。在復(fù)雜擁擠的環(huán)境下,為了解決相似背景干擾的問(wèn)題,該算法學(xué)習(xí)三個(gè)字典：目標(biāo)字典、背景字典和共享字典。目標(biāo)字典和背景字典學(xué)習(xí)目標(biāo)和背景不同的部分,共享字典學(xué)習(xí)目標(biāo)和背景相似的部分。通過(guò)共享字典的學(xué)習(xí)將目標(biāo)和背景的相似之處與不同之處分開(kāi),使得字典具有更好的辨別能力。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的跟蹤方法對(duì)比,本文提出的算法能夠更好地解決相似背景干擾的問(wèn)題,在主要包含相似背景挑戰(zhàn)的視頻中,跟蹤結(jié)果的平均重疊率提升了10%。2.提出了一種基于分塊多圖排序的單目標(biāo)跟蹤算法。在復(fù)雜擁擠的環(huán)境下,為了解決目標(biāo)之間頻繁相互遮擋的問(wèn)題,該算法充分利用樣本之間的流形結(jié)構(gòu)關(guān)系,將目標(biāo)劃分成圖像塊,基于不同圖像塊的不同特征表示構(gòu)建不同的關(guān)系圖,每個(gè)關(guān)系圖分配一個(gè)權(quán)重,同時(shí)學(xué)習(xí)關(guān)系圖的權(quán)重和候選樣本的排序得分,減少遮擋目標(biāo)塊的影響。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的跟蹤方法對(duì)比,本文提出的算法能夠更好地解決目標(biāo)遮擋的問(wèn)題,在主要包含目標(biāo)遮擋挑戰(zhàn)的視頻中,跟蹤結(jié)果的平均重疊率提升了8%。3.提出了一種基于多層目標(biāo)表示及多層幾何關(guān)系限制的單目標(biāo)跟蹤算法。在復(fù)雜擁擠的環(huán)境下,為了同時(shí)解決目標(biāo)遮擋和形變的問(wèn)題,該算法將目標(biāo)進(jìn)行多層分塊表示,并通過(guò)分層樹(shù)模型建模目標(biāo)塊之間的結(jié)構(gòu)關(guān)系，，在統(tǒng)一的目標(biāo)函數(shù)中求解所有目標(biāo)塊的位置。目標(biāo)函數(shù)考慮了目標(biāo)塊的外觀(guān)得分和目標(biāo)塊之間的形變損失,在允許目標(biāo)發(fā)生一定形變的同時(shí),通過(guò)多層目標(biāo)塊之間結(jié)構(gòu)關(guān)系的限制,使得目標(biāo)塊的跟蹤更加地準(zhǔn)確。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的跟蹤方法對(duì)比,本文提出的算法能夠更好地處理目標(biāo)遮擋和形變的問(wèn)題,在主要包含目標(biāo)遮擋和形變挑戰(zhàn)的視頻中,跟蹤結(jié)果的平均重疊率提升了9%。4.提出了一種基于靜態(tài)攝像頭和動(dòng)態(tài)攝像頭信息雙向融合的單目標(biāo)跟蹤算法。在協(xié)同視頻監(jiān)控中,為了獲取感興趣目標(biāo)的高清圖像，提升動(dòng)態(tài)攝像頭中感興趣目標(biāo)的跟蹤效果,該算法通過(guò)多觀(guān)測(cè)模型提升單攝像頭中跟蹤算法的穩(wěn)定性,并進(jìn)一步通過(guò)信息雙向融合,充分利用動(dòng)靜攝像頭的信息提升感興趣目標(biāo)跟蹤的效果。真實(shí)場(chǎng)景中的仿真實(shí)驗(yàn)和實(shí)際系統(tǒng)中的實(shí)驗(yàn)效果證明了本文提出的算法的有效性。5.提出了一種新穎的融合靜態(tài)攝像頭和動(dòng)態(tài)攝像頭信息的多目標(biāo)跟蹤算法。在協(xié)同視頻監(jiān)控中,靜態(tài)攝像頭中目標(biāo)分辨率低,造成多目標(biāo)跟蹤中目標(biāo)ID交換。為了解決這個(gè)問(wèn)題,該算法通過(guò)動(dòng)態(tài)攝像頭中的高清圖像信息學(xué)習(xí)更有辨別能力的外觀(guān)模型,并將異質(zhì)攝像頭中的信息融合到基于關(guān)聯(lián)的跟蹤框架中,提高靜態(tài)攝像頭中的軌跡片段連接的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,和現(xiàn)有的多目標(biāo)跟蹤算法對(duì)比,該算法能夠大幅減少多目標(biāo)跟蹤中ID交換的數(shù)量,提升多目標(biāo)跟蹤的效果。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛(ài)華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長(zhǎng)鋒;劉玉樹(shù);;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國(guó)峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

相關(guān)會(huì)議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過(guò)程控制會(huì)議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無(wú);王磊;李正東;;紅外/雷達(dá)雙傳感器融合目標(biāo)跟蹤算法[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)C卷[C];2011年

10 張濤;費(fèi)樹(shù)岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 胡子軍;基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2016年

3 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

4 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

5 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

6 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

7 王書(shū)朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

8 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

9 邱雪娜;基于視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

10 趙運(yùn)基;基于視覺(jué)的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測(cè)目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

5 王增宇;基于稀疏表達(dá)的目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀(guān)模型及兩階段目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

7 葛凱蓉;自然場(chǎng)景下目標(biāo)跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測(cè)的目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺(jué)的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

本文編號(hào)：1336227