圖像運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究及應(yīng)用.pdf

1、隨著智慧城市的蓬勃發(fā)展與建設(shè)，以及日趨嚴(yán)峻的公共安全形勢(shì)，智能視頻監(jiān)控技術(shù)在智慧交通，智慧小區(qū)，公共安等方面發(fā)揮著越來(lái)越大的作用。目標(biāo)檢測(cè)與跟蹤技術(shù)作為視頻監(jiān)控系統(tǒng)的基礎(chǔ)，其性能將直接影響后續(xù)數(shù)據(jù)分析的效果。一般環(huán)境下，現(xiàn)有的目標(biāo)檢測(cè)與跟蹤算法已經(jīng)基本能夠滿足圖像處理對(duì)準(zhǔn)確率和實(shí)時(shí)性的要求。但是，如果在運(yùn)動(dòng)目標(biāo)數(shù)量密集，目標(biāo)外觀特征很相似等干擾條件下，現(xiàn)有的算法還無(wú)法兼顧實(shí)時(shí)性和準(zhǔn)確率?；诖?，本文深入研究在目標(biāo)外觀相似等復(fù)雜條件下的圖

2、像運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法，通過(guò)對(duì)現(xiàn)有目標(biāo)檢測(cè)和跟蹤算法的改進(jìn)和優(yōu)化，提升目標(biāo)檢測(cè)和跟蹤的速度和準(zhǔn)確率。本文的主要工作如下：
　　1.針對(duì)復(fù)雜背景下的目標(biāo)檢測(cè)問(wèn)題，本文以級(jí)聯(lián)可變形部件模型(cascade Deformable Part Model, cascade DPM)為基礎(chǔ)，針對(duì)其進(jìn)行目標(biāo)檢測(cè)時(shí)兩個(gè)主要部分，即模型匹配和假設(shè)裁剪，分別進(jìn)行改進(jìn)和優(yōu)化。通過(guò)模型匹配計(jì)算得分采用超像素分割技術(shù)區(qū)分前景和背景，在假設(shè)裁剪時(shí)融合相鄰區(qū)

3、域信息提高裁剪效率。通過(guò)實(shí)驗(yàn)驗(yàn)證改進(jìn)的方法，并將改進(jìn)的方法與現(xiàn)有的基于DPM的檢測(cè)方法進(jìn)行比較，結(jié)果證明改進(jìn)方法比級(jí)聯(lián)DPM等方法在檢測(cè)速度無(wú)明顯下降的情況下，對(duì)20種目標(biāo)類別的檢測(cè)平均準(zhǔn)確率上提高了1.6％，某些目標(biāo)類別的檢測(cè)精度提高了6%。
　　2.針對(duì)目標(biāo)外觀極其相似的情況下的多目標(biāo)跟蹤問(wèn)題，本文以網(wǎng)絡(luò)流跟蹤算法為基礎(chǔ)，對(duì)其跟蹤片段生成和相似性計(jì)算分別進(jìn)行改進(jìn)和優(yōu)化。采用特征度量學(xué)習(xí)獲取可靠跟蹤片段，引入運(yùn)動(dòng)目標(biāo)動(dòng)力學(xué)模型計(jì)

4、算跟蹤片段相似性，減少因目標(biāo)外觀相似帶來(lái)的目標(biāo)ID交換。最后通過(guò)實(shí)驗(yàn)驗(yàn)證，證明改進(jìn)的目標(biāo)跟蹤方法較之其他網(wǎng)絡(luò)流跟蹤算法可以有效處理目標(biāo)外觀相似的情況。在跟蹤速度無(wú)明顯下降的情況下，本文目標(biāo)跟蹤方法的平均跟蹤準(zhǔn)確率較之傳統(tǒng)網(wǎng)絡(luò)流算法在給定數(shù)據(jù)集上提高了10%。
　　3.基于所提出的目標(biāo)檢測(cè)和跟蹤算法，實(shí)現(xiàn)了原型系統(tǒng)。系統(tǒng)把目標(biāo)檢測(cè)，目標(biāo)跟蹤模塊進(jìn)行整合，以 Windows操作系統(tǒng)為平臺(tái)，在 VC++編譯環(huán)境下，調(diào)用Intel公司的O