運動目標視頻監(jiān)測方法的研究.pdf

1、視頻監(jiān)控系統(tǒng)在日常生活中有廣泛的應(yīng)用，運動目標視頻監(jiān)測方法是視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)之一。復(fù)雜背景下感興趣目標的檢測和對感興趣目標的長時間跟蹤是視頻監(jiān)測方法的難點。基于目標局部特征模型的目標檢測算法和基于跟蹤-學(xué)習(xí)-檢測框架的目標跟蹤算法是視頻監(jiān)測方法的重要發(fā)展方向之一。
　　論文對基于隱式形狀模型的目標檢測算法和基于TLD框架的目標跟蹤算法進行了深入研究。論文介紹了隱式形狀模型的生成方法和基于隱式形狀模型的目標檢測算法。針對原算法

2、對目標旋轉(zhuǎn)的適應(yīng)能力偏弱的問題，在計算投票坐標時加入角度信息，提出了一種對目標旋轉(zhuǎn)有較強適應(yīng)能力的目標檢測算法。論文對目標跟蹤中的經(jīng)典算法——盧卡斯-卡納德算法，以及最近提出的TLD跟蹤算法的框架及思想進行分析與比較，重點研究了將隱式形狀模型引入TLD跟蹤算法框架的基于隱式形狀模型的目標跟蹤算法。該算法由跟蹤器、檢測器、學(xué)習(xí)器、綜合器四個模塊組成，算法初始化時完成跟蹤目標隱式形狀模型的初始建模，檢測器基于該模型在輸入視頻幀中檢測目標，跟

3、蹤器基于上一幀目標框中的內(nèi)容在相鄰下一幀中搜索目標，綜合器融合跟蹤器輸出結(jié)果和檢測器輸出結(jié)果得到跟蹤框位置，學(xué)習(xí)器根據(jù)綜合器輸出結(jié)果對目標模型進行更新。四個模塊協(xié)同工作，完成對監(jiān)控視頻中運動目標的跟蹤。
　　編程實現(xiàn)了本文算法，進行了目標檢測與跟蹤實驗。目標檢測實驗結(jié)果表明改進后的算法對目標角度變化有較強的適應(yīng)能力。目標跟蹤實驗結(jié)果表明基于隱式形狀模型的目標跟蹤算法具有較好的抗遮擋性能。本文提出的運動目標檢測、跟蹤算法在小區(qū)、停車