基于立體視覺的目標(biāo)檢測與跟蹤.pdf

1、目前，由于傳統(tǒng)監(jiān)控系統(tǒng)的簡單記錄功能已經(jīng)無法滿足社會(huì)公共安全的更高層次要求，因此具有多目標(biāo)識別與跟蹤跟蹤的新一代智能監(jiān)控系統(tǒng)逐漸成為了重要的研究課題。智能地檢測、跟蹤場景中的目標(biāo)能提高對關(guān)鍵場所的監(jiān)控能力，及時(shí)發(fā)現(xiàn)潛在的危險(xiǎn)因素，提高人民群眾的安全感，防止恐怖主義的侵襲。
　　 本論文著重研究如何采用計(jì)算機(jī)立體視覺以及模式識別等相關(guān)技術(shù)構(gòu)成一套全自動(dòng)的多目標(biāo)在線檢測與跟蹤系統(tǒng)，實(shí)現(xiàn)對監(jiān)控場景中多目標(biāo)的統(tǒng)計(jì)、定位、跟蹤以及運(yùn)動(dòng)軌跡

2、分析，直至提取出目標(biāo)的精確輪廓。主要研究工作有攝像機(jī)成像原理建模與參數(shù)標(biāo)定分析，雙目成像的立體視覺匹配與三維場景快速重建，核函數(shù)的全自動(dòng)聚類分析以及多特征融合的能量泛函與偏微分求解。具體的創(chuàng)新點(diǎn)如下：
　　 1.提出了基于核函數(shù)的離散點(diǎn)聚類算法將世界坐標(biāo)系下的離散點(diǎn)聚合不同的集合，通過這些集合與監(jiān)控場景中的目標(biāo)建立一一對應(yīng)關(guān)系，并以這些聚類的中心位置、方向等參數(shù)確定監(jiān)控場景中的目標(biāo)數(shù)量、位置與運(yùn)動(dòng)軌跡。相機(jī)坐標(biāo)系下的特征點(diǎn)投影到

3、地板平面的位置與高度作為已知參數(shù)，并構(gòu)建世界坐標(biāo)下的空間特征點(diǎn)密度分布函數(shù)。以mean-shift方法在不計(jì)算空間真實(shí)密度值的前提下直接估計(jì)其梯度方向，用爬山法搜索密度空間的所有局部最大值。以這些局部最大值為基礎(chǔ)劃分空間中的所有特征點(diǎn)形成聚類集合，檢測監(jiān)控場景中的目標(biāo)。同時(shí)目標(biāo)的跟蹤問題也相應(yīng)簡化為空間最大值的更新過程。
　　 2.提出以系統(tǒng)化的分層逐步組合模型融合顏色、紋理、邊緣、幀差等多個(gè)特征構(gòu)成統(tǒng)一的特征描述概率測度。選取

4、目標(biāo)與背景像素組成正負(fù)樣本集合，并分別提取顏色和多尺度紋理特征構(gòu)成非參數(shù)概率空間。組合多個(gè)特征構(gòu)成背景與目標(biāo)特征描述向量估計(jì)圖像像素的條件概率，貝葉斯分類器以計(jì)算的后驗(yàn)概率區(qū)分背景像素與目標(biāo)像素。另一方面，高斯混合模型在幀差特征中提取變化較大的區(qū)域，與圖像邊緣構(gòu)成目標(biāo)邊緣的測度函數(shù)增強(qiáng)目標(biāo)邊緣同時(shí)抑制背景邊緣。自適應(yīng)權(quán)重函數(shù)評價(jià)不同特征的可靠性給予恰當(dāng)?shù)臋?quán)重值組合，形成完整目標(biāo)和背景的判斷模型。
　　 3.在活動(dòng)輪廓模型框架下構(gòu)

5、建了一種區(qū)域測地活動(dòng)輪廓模型，以區(qū)域模型在全局中快速推動(dòng)活動(dòng)輪廓大致定位目標(biāo)輪廓，以測地模型在局部逐步細(xì)化結(jié)果直至完全與目標(biāo)精確對齊。梯度下降流求解區(qū)域測地模型的偏微分方程，迭代初始化輪廓直至收斂到最小能量曲線。此外，基于目標(biāo)運(yùn)動(dòng)特征的最優(yōu)初始化輪廓設(shè)置可大大減少迭代次數(shù)，實(shí)現(xiàn)在線的目標(biāo)輪廓跟蹤。
　　 4.設(shè)計(jì)一種新的場景特征提方法以圖像鄰域空間的四種基本梯度基元為依據(jù)，分離出紋理豐富的特征點(diǎn)作為匹配對象。兩段式的匹配算法將左