航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究.pdf

1、隨著無(wú)人機(jī)技術(shù)的廣泛應(yīng)用和深入發(fā)展，航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一。作為無(wú)人機(jī)監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)，航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤通過(guò)分析航拍視頻數(shù)據(jù)獲取運(yùn)動(dòng)目標(biāo)位置、外觀、運(yùn)動(dòng)軌跡等信息，是后續(xù)目標(biāo)識(shí)別、場(chǎng)景感知、行為理解、分析決策等高級(jí)處理的基礎(chǔ)。本文對(duì)航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤等關(guān)鍵技術(shù)進(jìn)行了深入研究，主要工作及創(chuàng)新點(diǎn)如下：
　　(1)對(duì)航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤問(wèn)題進(jìn)行了較全面的分析研究，對(duì)其中的

2、運(yùn)動(dòng)目標(biāo)檢測(cè)與定位、目標(biāo)跟蹤等關(guān)鍵技術(shù)做了詳細(xì)的歸納綜述，為后續(xù)研究提供了有價(jià)值的參考。
　　(2)針對(duì)航拍視頻中交叉運(yùn)動(dòng)、相互靠近的運(yùn)動(dòng)目標(biāo)跟蹤，提出了一種基于運(yùn)動(dòng)特征時(shí)空聯(lián)合自適應(yīng)聚類(lèi)的航拍視頻運(yùn)動(dòng)目標(biāo)跟蹤方法，在對(duì)光流軌跡特征的幀內(nèi)自適應(yīng)聚類(lèi)基礎(chǔ)上，引入時(shí)間維度自適應(yīng)聚類(lèi)，通過(guò)時(shí)空聯(lián)合聚類(lèi)魯棒跟蹤近距離運(yùn)動(dòng)目標(biāo)。使用DARPA VIVID數(shù)據(jù)庫(kù)對(duì)算法進(jìn)行測(cè)試，結(jié)果表明由于采用了時(shí)空聯(lián)合信息分析，該方法能夠自動(dòng)檢測(cè)并魯棒跟蹤交

3、叉運(yùn)動(dòng)的多目標(biāo)。此外提取光流特征增強(qiáng)了算法魯棒性，使得算法對(duì)外觀不明顯的小目標(biāo)也能夠持續(xù)正確跟蹤。
　　(3)提出了一種基于多約束子空間自適應(yīng)增量學(xué)習(xí)的航拍視頻運(yùn)動(dòng)目標(biāo)跟蹤算法，將運(yùn)動(dòng)軌跡作為先驗(yàn)知識(shí)指導(dǎo)跟蹤，進(jìn)一步提高跟蹤精度。針對(duì)開(kāi)環(huán)機(jī)制的目標(biāo)跟蹤算法缺乏反饋修正、難以自恢復(fù)的問(wèn)題，引入外觀約束、運(yùn)動(dòng)約束等多個(gè)約束條件，進(jìn)行跟蹤狀態(tài)判決和自適應(yīng)更新決策，將判決決策等高層指導(dǎo)信息反饋給底層處理，實(shí)現(xiàn)了跟蹤器的自適應(yīng)決策更新。采用

4、DAPAR VIVID等公開(kāi)數(shù)據(jù)庫(kù)對(duì)算法的測(cè)試結(jié)果表明，在目標(biāo)外觀變化、尺度縮放、旋轉(zhuǎn)、亮度變化等復(fù)雜條件下，本文算法能夠以更加符合環(huán)境條件變化節(jié)奏的自適應(yīng)頻率更新模板，達(dá)到很好的跟蹤效果，提高算法魯棒性和效率。
　　(4)針對(duì)立交橋、房屋建筑、樹(shù)木等城區(qū)監(jiān)控場(chǎng)景，提出一種基于多背景建模約束的航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法。將傳統(tǒng)單背景假設(shè)擴(kuò)展為多背景模型，通過(guò)正確感知場(chǎng)景多平面背景模型，確定場(chǎng)景中的點(diǎn)對(duì)多背景模型的運(yùn)動(dòng)屬性，協(xié)同利用多

5、背景建模約束實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)定位。采用KIT AIS Data Set公開(kāi)數(shù)據(jù)庫(kù)對(duì)算法進(jìn)行有效性驗(yàn)證，測(cè)試結(jié)果表明，由于突破了單背景假設(shè)，算法能夠在城區(qū)多背景場(chǎng)景準(zhǔn)確的檢測(cè)運(yùn)動(dòng)目標(biāo)，但是對(duì)于面積較小的房屋建筑等不在任何一個(gè)感知背景平面內(nèi)的虛警目標(biāo)無(wú)能為力。
　　(5)提出一種基于能量?jī)?yōu)化的多背景建模約束航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法，進(jìn)一步提高城區(qū)監(jiān)控場(chǎng)景航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法的檢測(cè)精度。在正確感知場(chǎng)景多平面背景模型的基礎(chǔ)上，通過(guò)定義

6、能量函數(shù)并采用Graph Cuts優(yōu)化求解實(shí)現(xiàn)對(duì)場(chǎng)景中的點(diǎn)進(jìn)行前景-背景二分類(lèi)、背景-背景多分類(lèi)。對(duì)前景點(diǎn)分析運(yùn)動(dòng)一致性來(lái)去除引起視差的虛警目標(biāo)。采用DAPAR VIVID和KIT AIS Data Set公開(kāi)數(shù)據(jù)庫(kù)對(duì)算法進(jìn)行有效性驗(yàn)證，測(cè)試結(jié)果表明，由于突破了單背景假設(shè)，將運(yùn)動(dòng)檢測(cè)轉(zhuǎn)化為優(yōu)化多分類(lèi)問(wèn)題，算法能夠在城區(qū)多背景場(chǎng)景下去除虛警，更加準(zhǔn)確的檢測(cè)運(yùn)動(dòng)目標(biāo)。
　　(6)在城區(qū)場(chǎng)景航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)基礎(chǔ)上，提出了一種基于前景