基于視頻的目標跟蹤及人群密度估計方法研究.pdf

1、近幾十年隨著人口的急劇增長，加上經(jīng)濟的快速增長使得都市化現(xiàn)象日益嚴重，在給人民生活帶來便利的同時也帶來了安全隱患。隨著社會安全事件接連不斷地發(fā)生，人們對安全的需求越來越大。隨著圖像處理技術(shù)的飛速發(fā)展，智能視頻監(jiān)控技術(shù)作為一種安防的有效手段，正越來越受到人們的重視。基于圖像的目標跟蹤、人群密度估計等技術(shù)是智能視頻監(jiān)控系統(tǒng)的基礎(chǔ)問題，是更高層次的行為分析技術(shù)與行為識別技術(shù)的基礎(chǔ)。本文針對基于圖像的目標跟蹤技術(shù)、人群密度估計技術(shù)進行了比較深入

2、的研究，對前人的工作做了系統(tǒng)性總結(jié)，并針對一些不足做了相應改進。
　　本研究主要內(nèi)容包括：⑴分析了粒子濾波跟蹤算法在目標后驗概率分布呈多模態(tài)時重要性重采樣的無力以及過分依賴單一運動模型這兩個不足，分別提出了自適應重采樣算法和變結(jié)構(gòu)多運動模型算法來改進粒子濾波算法，提高粒子濾波算法的準確性與穩(wěn)定性。⑵針對日常應用背景的多目標跟蹤問題，引入了經(jīng)典的JPDA算法，指出了其量測缺乏圖像信息的不足，提出了基于量測擴展思想的改進 JPDA多目

3、標算法，它是一種通用方法，可根據(jù)不同場景選擇合適圖像信息進行擴展。本文選取了顏色信息擴展到量測中，使其在計算關(guān)聯(lián)概率矩陣時充分考慮了顏色信息，提高了關(guān)聯(lián)概率的準確度，有效實現(xiàn)了多目標跟蹤。⑶在人群密度估計方面，分析了像素統(tǒng)計特征與紋理特征兩大經(jīng)典算法各自的優(yōu)缺點，并闡述了兩大算法在各種密度場景下的互補性，提出了融合像素統(tǒng)計特征與紋理特征進行人群密度估計的算法。⑷針對每個議題，都收集了相關(guān)領(lǐng)域的權(quán)威測試視頻庫，并進行了詳盡的仿真實驗與實驗