智能視頻監(jiān)控中的行人跟蹤算法研究.pdf

1、智能視頻監(jiān)控是根據(jù)攝像機(jī)采集的視頻圖像，對(duì)目標(biāo)進(jìn)行檢測(cè)、跟蹤，并對(duì)目標(biāo)的行為進(jìn)行識(shí)別和理解。目前，作為安防領(lǐng)域中最具發(fā)展前景的技術(shù)之一，視頻監(jiān)控系統(tǒng)得到了廣泛的研究與應(yīng)用，已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)。行人跟蹤是視頻監(jiān)控系統(tǒng)的核心內(nèi)容，然而，由于行人運(yùn)動(dòng)的多變、光照強(qiáng)度的變化和行人之間的相互遮擋等復(fù)雜情況的影響，跟蹤器往往存在跟蹤精度不高、目標(biāo)丟失和身份切換等問題。
　　本文以實(shí)現(xiàn)行人的魯棒跟蹤為主要研究目標(biāo)，從多個(gè)關(guān)鍵技術(shù)入

2、手，對(duì)行人跟蹤算法進(jìn)行系統(tǒng)的研究，包括行人檢測(cè)算法、單攝像機(jī)行人跟蹤算法和多攝像機(jī)行人跟蹤算法等。
　　本文的主要?jiǎng)?chuàng)新工作如下:
　　(1)為在復(fù)雜場(chǎng)景中準(zhǔn)確地檢測(cè)行人，提出一種基于顯著性的局部自相似描述符行人檢測(cè)算法，該描述符在對(duì)數(shù)極坐標(biāo)下表征行人的局部外形特征，并將其作為一個(gè)弱分類器，然后通過Adaboost算法將所有弱分類器合并成一個(gè)簡(jiǎn)單且有效的強(qiáng)分類器。該方法計(jì)算簡(jiǎn)單，較好地解決了行人之間的相互遮擋問題，提高了行人檢

3、測(cè)的準(zhǔn)確率和精度。
　　(2)研究了單攝像機(jī)跟蹤算法。首先，針對(duì)跟蹤器易于丟失目標(biāo)的問題，提出了將投影直方圖和質(zhì)心偏移粒子濾波相結(jié)合的單攝像機(jī)單行人跟蹤算法。該算法采用的投影顏色直方圖引入了空間信息，相比于一般的顏色直方圖具有更強(qiáng)的識(shí)別能力，同時(shí)用質(zhì)心偏移代替粒子濾波中的重采樣過程，提高了跟蹤器處理目標(biāo)被部分遮擋的能力。其次，為解決目標(biāo)身份切換問題，提出了一種基于群組狀態(tài)的單攝像機(jī)多行人跟蹤算法，將多目標(biāo)跟蹤問題轉(zhuǎn)化為最小化統(tǒng)一能

4、量函數(shù)問題，該能量函數(shù)結(jié)合了條件隨機(jī)場(chǎng)模型和標(biāo)簽代價(jià)函數(shù)。與傳統(tǒng)方法相比，該方法減少了行人發(fā)生身份切換的概率，提高了跟蹤算法的魯棒性。
　　(3)研究了多攝像機(jī)跟蹤算法。首先，為了確定多攝像機(jī)之間的投影關(guān)系，提出了一種基于分層學(xué)習(xí)的二值描述符匹配算法，通過粗細(xì)兩個(gè)層次的訓(xùn)練獲得強(qiáng)分辨能力的二值描述符，提高了學(xué)習(xí)效率和匹配精度。其次，提出了一種基于加權(quán)一致的多攝像機(jī)多行人跟蹤算法，該算法在網(wǎng)絡(luò)流的框架下，結(jié)合目標(biāo)的顏色特征和攝像機(jī)之