綜合濾波理論的內(nèi)河視頻序列船舶TLD跟蹤算法研究.pdf

1、船舶跟蹤是內(nèi)河智能視頻監(jiān)控系統(tǒng)中對船舶行為分析的基礎(chǔ)，根據(jù)其結(jié)果可以判斷船舶是否存在違章情況，從而實現(xiàn)對內(nèi)河狀況的準確判斷、評估和自動預(yù)警。然而目前國內(nèi)的內(nèi)河視頻監(jiān)控系統(tǒng)智能化程度普遍不高，僅作為場景觀察、記錄的工具，不能自動篩選信息、智能分析。而且很少有專門針對內(nèi)河船舶的跟蹤算法，因此內(nèi)河視頻監(jiān)控系統(tǒng)中的船舶跟蹤依然是計算機視覺領(lǐng)域的研究難點。
　　 內(nèi)河中場景十分復(fù)雜，航行船舶也十分雜亂，傳統(tǒng)的跟蹤方法無法滿足長期在線跟蹤的

2、需要。2011年英國薩里大學(xué)博士生Zdenek Kalal提出了TLD(Tracking-Learning-Detection)算法，其將獨立運行的跟蹤器和檢測器相結(jié)合，采取閉環(huán)的控制方式限制其二者工作的運行機制使自適應(yīng)的長期跟蹤未知目標成為可能，具有里程碑的意義。因此，TLD是復(fù)雜內(nèi)河背景下船舶跟蹤的一個有效研究方法。本文以此作為研究方法，并結(jié)合粒子濾波和Kalman濾波對算法性能進一步優(yōu)化，最終實現(xiàn)了在復(fù)雜背景中、相似物干擾、嚴重遮

3、擋和尺度變化等多種情況下對船舶的準確跟蹤。本文的主要工作和貢獻為:
　　 1)基于TLD算法的研究和實現(xiàn)。分析了算法各模塊的工作原理和理論基礎(chǔ)，對其實現(xiàn)思路和算法框架進行了剖析，最后將該算法應(yīng)用于內(nèi)河視頻序列的船舶跟蹤中。
　　 2)基于Kalman濾波和粒子濾波的經(jīng)典理論研究和其算法實現(xiàn)。闡述了這兩種濾波算法的基本理論知識和算法流程，并分別實現(xiàn)了基于Kalman濾波和基于粒子濾波算法的船舶跟蹤。
　　 3)基于

4、TLD船舶跟蹤算法的改進。為了解決內(nèi)河船舶跟蹤中的難點問題，本文結(jié)合濾波理論對TLD算法進行了多方面的改進，具體為以下方面:
　　 (1)利用LK金字塔光流法預(yù)測出目標候選區(qū)域。
　　 (2)將粒子濾波算法融入TLD的算法框架中，利用LK金字塔光流法預(yù)測得到的目標候選區(qū)域進行粒子初始化，這樣可以減少算法訓(xùn)練時間。
　　 (3)利用積分向量圖提高算法效率。
　　 (4)將Kalman濾波器的預(yù)測結(jié)果融入算法

5、中。在保證跟蹤精度的同時，解決了目標出現(xiàn)嚴重遮擋時造成的目標丟失、限位框漂移等問題。
　　 (5)在P-N機制內(nèi)引入新的判定規(guī)則，有效增強算法的自學(xué)習(xí)和抗干擾能力。
　　 (6)改進積分器工作原理，使結(jié)果更加準確。
　　 本文采用多組長江邊拍攝的視頻和調(diào)研得到的CCTV監(jiān)控視頻進行實驗測試。結(jié)果表明，本文算法得到的跟蹤效果始終全面優(yōu)于原TLD跟蹤算法的實驗結(jié)果，可以較好地解決了跟蹤中背景干擾、相似物干擾、障礙物遮