基于航拍視頻的單目標跟蹤模擬系統(tǒng).pdf

1、航拍視頻相對于普通的監(jiān)控視頻具有持久性、全局性、無死角等特征，利用航拍視頻進行監(jiān)控，對于公共安全事件、突發(fā)自然災害等情況的應對具有重要的意義。跟蹤準確性方面，傳統(tǒng)的地面視頻監(jiān)控中，被跟蹤的目標一般具有較高的像素，包含信息比較豐富，但是所處的環(huán)境復雜，容易丟失目標;而在航拍視頻監(jiān)控中，被跟蹤的目標一般所處環(huán)境簡單、視域廣，適合持久跟蹤，但是相對具有較少的像素和較小的尺寸，影響跟蹤算法的準確性。除了跟蹤的準確性外，目標跟蹤的實時性也是應用需

2、求的另一項重要指標，這就要求在進行跟蹤時，能無延時地進行圖像處理并反饋結果。利用壓縮感知理論(Compressive Sensing)可以在提取樣本特征的時候在采樣頻率遠低于奈奎斯特采樣頻率的情況下進行采樣同時保持樣本的原始信息，有效地減小了計算量，可以在極短的時間內處理一幀的數(shù)據(jù)，從而在保證跟蹤的準確性的同時滿足實時性需求，然而，在跟蹤目標被遮擋時，如何提高跟蹤算法的精確性仍有待研究。
　　為此，論文針對航拍視頻的特性，圍繞跟蹤

3、算法的實時性以及精確性，主要完成了以下工作:
　　(1)分析了航拍視頻目標跟蹤的需求，設計了一個模擬系統(tǒng)。從算法的實時性考慮，采用了一個基于壓縮感知理論的壓縮跟蹤(Compressive Tracking)算法，有效地壓縮了跟蹤目標的特征維數(shù)，計算量小，可以在極短的時間（一幀）內給出結果;
　　(2)提出了改進的壓縮跟蹤算法(Improved Compressive Tracking)，針對算法的精確性需求，主要進行了兩處改

4、進。在選取樣本階段，考慮到跟蹤目標為公路上的車輛，運動軌跡具有規(guī)律性，結合Kalman濾波器預測運動軌跡，指導樣本選取的方向，自適應地調整目標搜索范圍，防止目標運動速度較快時跳出搜索范圍的情況。在分類器方面，CT算法采用了貝葉斯分類器，當跟蹤目標發(fā)生了轉向、被遮擋等臨時變化的情況時如果將目標的這些臨時變化作為特征來進行訓練，當目標恢復到正常狀態(tài)時易發(fā)生丟失目標的情況。針對該問題，ICT算法對跟蹤結果的分類器評分進行篩選，在目標發(fā)生這些變