固定背景下單-多目標行人跟蹤算法研究.pdf

1、智能視頻監(jiān)控是近年來計算機視覺領域的研究重點和熱點之一，在安全防護、智能交通、行為分析等領域有著廣闊的應用前景。行人目標檢測與跟蹤是智能視頻監(jiān)控的關鍵技術，也是后續(xù)目標識別、行為分析等的研究基礎。本文主要研究攝像機固定情況下，復雜場景中的行人單目標穩(wěn)態(tài)跟蹤問題和固定背景下行人多目標跟蹤問題。
　　 目標檢測是跟蹤的基礎，本文比較了三種常用的目標檢測算法并分析各自的優(yōu)缺點，結合具體的應用環(huán)境，采用混合高斯模型建立背景圖像，利用背景

2、差法檢測前景目標，最后通過陰影去除、形態(tài)學濾波以及連通域分析等后續(xù)操作獲取完整的前景目標。
　　 對于行人單目標跟蹤問題，為實現(xiàn)目標的穩(wěn)定跟蹤，提高跟蹤算法的魯棒性，本文在粒子濾波算法的基礎上，提出了一種多特征自適應融合的單目標跟蹤算法。首先由人工選取跟蹤目標，通過比較各種顏色和紋理特征區(qū)分目標和背景能力的大小，選取最優(yōu)的兩個特征來描述目標。分別以這兩個特征為目標模型進行粒子濾波處理可以得到兩個關于目標位置的估計結果。若兩個估計

3、結果相近，則說明選擇的特征有效，跟蹤正確;若兩個估計結果存在較大差異，則說明其中一個或兩個特征失效，跟蹤結果出現(xiàn)大的偏離，此時需要根據(jù)上一幀估計結果的可靠性決定是否返回上一幀圖像重新選取最優(yōu)特征并再次進行粒子濾波估計。只有在兩個估計結果相近時才更新目標模型，從而確保目標模型不發(fā)生大的偏移。
　　 對于多目標跟蹤問題，本文根據(jù)場景中目標個數(shù)較多，目標狀態(tài)復雜多變等情況，在考慮算法實時性的基礎上，采用基于區(qū)域檢測的多目標跟蹤算法。首

4、先通過基于混合高斯背景建模的背景差法獲取前景目標，根據(jù)當前幀檢測的前景目標與跟蹤目標區(qū)域間的重合情況，可以構建兩者之間的關聯(lián)矩陣，根據(jù)矩陣行和列之間的關系可以將目標狀態(tài)歸為以下五類:目標出現(xiàn)、正常狀態(tài)、目標融合、目標分裂和目標消失。對于不同的目標狀態(tài)，采用不同的處理方法。在這五種目標狀態(tài)中，由于造成目標分裂的原因較為復雜，本文詳細分析了可能引起目標分裂的四種原因，并提出了相應的處理方法，特別是對于多目標融合后分裂的情況，提出了基于顏色匹