視頻監(jiān)控中的時(shí)空顯著目標(biāo)跟蹤.pdf

1、視頻數(shù)據(jù)以非結(jié)構(gòu)化形式存在且數(shù)量巨大，模擬人類視覺系統(tǒng)快速抽取信息的顯著性檢測(cè)是計(jì)算機(jī)視覺中的一個(gè)熱點(diǎn)。顯著目標(biāo)是圖像或視頻中感興趣的對(duì)象，也是構(gòu)成視頻場(chǎng)景內(nèi)容的主要實(shí)體。因此借助顯著目標(biāo)進(jìn)行目標(biāo)檢測(cè)、定位、識(shí)別和跟蹤可以快速、高效地實(shí)現(xiàn)視頻監(jiān)控。近年來的研究表明通過多特征融合方法可以得到比較好的顯著圖。本文以視頻序列作為研究對(duì)象，主要研究了基于時(shí)空顯著性的顯著目標(biāo)檢測(cè)、分割和跟蹤方法。
　　本研究主要內(nèi)容包括：⑴針對(duì)現(xiàn)有方法以視

2、頻幀中心作為位置先驗(yàn)，沒有充分利用視頻的運(yùn)動(dòng)連續(xù)性信息以及現(xiàn)有方法使用邊緣和連通性作為背景的先驗(yàn)不能很好地處理紋理復(fù)雜的場(chǎng)景導(dǎo)致的顯著區(qū)域錯(cuò)誤提取的問題，本文考慮監(jiān)控視頻中相鄰幀顯著區(qū)域的空間連續(xù)性，提出改進(jìn)的先驗(yàn)和時(shí)空特征相結(jié)合的顯著性檢測(cè)模型。該模型通過得到的檢測(cè)結(jié)果計(jì)算位置先驗(yàn)；以時(shí)間維度上的均值濾波得到背景作為背景先驗(yàn)；然后將背景和位置先驗(yàn)與速度加速度先驗(yàn)融合成先驗(yàn)顯著圖，最后與顏色、運(yùn)動(dòng)大小和方向構(gòu)成的對(duì)比度特征顯著圖相融合形

3、成最終的顯著圖。在標(biāo)準(zhǔn)數(shù)據(jù)庫和監(jiān)控視頻上的實(shí)驗(yàn)結(jié)果表明，提出方法得到的顯著圖很好地抑制了背景，突出了顯著目標(biāo)。⑵顯著區(qū)域的確定是目標(biāo)完整性提取的關(guān)鍵，針對(duì)現(xiàn)有顯著區(qū)域提取方法存在的這一不足，從顯著圖出發(fā)，在充分分析各種目標(biāo)分割算法的基礎(chǔ)上，選用改進(jìn)的區(qū)域生長方法對(duì)顯著圖進(jìn)行顯著目標(biāo)的提取。在實(shí)際監(jiān)控視頻上的實(shí)驗(yàn)比較分析發(fā)現(xiàn)，改進(jìn)的區(qū)域生長顯著區(qū)域提取方法具有較好的目標(biāo)區(qū)域提取性能，可以有效地保證視頻監(jiān)控中顯著目標(biāo)的完整性，便于后續(xù)的目標(biāo)

4、跟蹤。⑶針對(duì)傳統(tǒng)Mean Shift跟蹤缺乏目標(biāo)模板更新導(dǎo)致對(duì)變化較快的目標(biāo)無法跟蹤，以及Kalman濾波和Mean Shift無法處理多目標(biāo)跟蹤的問題，在顯著目標(biāo)檢測(cè)與數(shù)據(jù)關(guān)聯(lián)的基礎(chǔ)上，本文將Mean Shift和Kalman濾波方法相結(jié)合，進(jìn)行顯著目標(biāo)的跟蹤。該方法在傳統(tǒng)的Mean Shift算法中加入模板更新，利用Kalman濾波預(yù)測(cè)下一幀中的目標(biāo)位置，加快搜索速度，并且通過數(shù)據(jù)關(guān)聯(lián)匹配檢測(cè)窗口和目標(biāo)模板。實(shí)驗(yàn)證明本文的方法有效提