基于混成系統(tǒng)的視頻目標(biāo)檢測與跟蹤算法研究.pdf

1、視頻目標(biāo)檢測和跟蹤是計(jì)算機(jī)視覺領(lǐng)域中重要的研究內(nèi)容。隨著計(jì)算機(jī)運(yùn)算能力的不斷提高、高質(zhì)量低成本視頻采集設(shè)備的出現(xiàn)以及人們對智能視頻監(jiān)控系統(tǒng)的需求日益增加，引發(fā)了科研人員對目標(biāo)檢測和跟蹤算法的廣泛深入研究。
　　為了利用計(jì)算機(jī)代替人從事運(yùn)動感知和場景理解等工作，目標(biāo)檢測和跟蹤算法需要克服很多困難，比如監(jiān)控場景中光線變化，跟蹤目標(biāo)姿態(tài)變化、遮擋、消失和再出現(xiàn)的時(shí)空不確定性等因素。本論文基于混成系統(tǒng)框架，通過建立不同層次視頻表征模型，設(shè)

2、計(jì)邏輯切換規(guī)則，解決復(fù)雜場景中運(yùn)動目標(biāo)的穩(wěn)健檢測和持續(xù)跟蹤問題，實(shí)現(xiàn)存在漏檢和全遮擋情況下的行人跟蹤。本論文的創(chuàng)新成果如下：
　　1、提出一種基于混成系統(tǒng)的目標(biāo)檢測算法。該算法利用顏色差分直方圖視頻分割算法和Codebook背景建模算法構(gòu)建模型集合，設(shè)計(jì)兼顧顏色差分直方圖算法計(jì)算復(fù)雜度低和Codebook背景建模算法對復(fù)雜背景建模能力強(qiáng)的模型邏輯切換規(guī)則，有效規(guī)避兩種算法對攝像機(jī)抖動和光線劇烈變化或目標(biāo)檢測實(shí)時(shí)性的不足，實(shí)驗(yàn)結(jié)果證

3、明所提算法能夠克服劇烈的光照變化和攝像機(jī)抖動對視頻分割的影響，實(shí)現(xiàn)快速魯棒的運(yùn)動目標(biāo)檢測。
　　2、針對含有新生目標(biāo)的多目標(biāo)跟蹤問題，提出構(gòu)建由航跡起始算法和高斯混合概率假設(shè)密度（Gaussian mixture probability hypothesis density，GM-PHD）濾波算法組成的混成模型集合，通過設(shè)計(jì)模型切換規(guī)則實(shí)現(xiàn)新生目標(biāo)傳遞給GM-PHD濾波算法以及將量測數(shù)據(jù)合理分配給航跡起始算法，保證以較小計(jì)算量辨識

4、新生目標(biāo)并跟蹤場景中全部目標(biāo)。實(shí)驗(yàn)結(jié)果表明所提算法在跟蹤數(shù)目未知且時(shí)變的多目標(biāo)場景中具有較好的跟蹤性能和實(shí)時(shí)性。
　　3、針對目標(biāo)跟蹤中全遮擋問題，提出構(gòu)建由跟蹤和辨識模型組成的混成模型集合，通過設(shè)計(jì)基于特征在線學(xué)習(xí)的模型切換規(guī)則，實(shí)現(xiàn)算法在目標(biāo)跟蹤的同時(shí)進(jìn)行特征學(xué)習(xí)，在跟蹤目標(biāo)被遮擋后利用辨識模型不斷從檢測結(jié)果中辨識失跟目標(biāo)，在辨識到失跟目標(biāo)后又重置跟蹤目標(biāo)狀態(tài)。實(shí)驗(yàn)結(jié)果表明所提算法在含有全遮擋的目標(biāo)跟蹤中具有顯著優(yōu)勢。