監(jiān)控PTZ相機中的行人跟蹤.pdf

1、近十年來，隨著計算機科學(xué)的不斷發(fā)展，視頻目標(biāo)跟蹤已經(jīng)廣泛應(yīng)用于各種領(lǐng)域。視頻目標(biāo)跟蹤的難點在于視頻目標(biāo)尺寸的不斷變化以及背景的不斷更新變化，盡管人們已經(jīng)解決了很多相關(guān)問題，但到目前為止，該領(lǐng)域還有很多問題尚待解決。
　　 本文集中注意力解決PTZ相機下行人的跟蹤，著重解決了如何在跟蹤過程中目標(biāo)尺寸不斷變化的問題。PTZ相機中的實時視頻目標(biāo)跟蹤主要包括PTZ相機自標(biāo)定、目標(biāo)跟蹤、自適應(yīng)跟蹤框的調(diào)整三個方面，本文對這三個方面進行了深

2、入的分析和研究。PTZ相機自標(biāo)定方面，介紹了絕對二次曲線、絕對二次曲面、單應(yīng)性矩陣，以及直接使用Kruppa方程的自標(biāo)定方法、使用絕對二次曲面的攝像機自標(biāo)定方法，并分析了這兩種自標(biāo)定的優(yōu)劣之處，本文選擇使用絕對二次曲面的攝像機自標(biāo)定方法。在自標(biāo)定過程中對SURF特征匹配算法進行了改進，使用PTZ相機的PT坐標(biāo)作為已知量，剔除了因SURF特征匹配的距離匹配方法引入的匹配錯誤點，改進后的算法剔除了很多錯誤點，從而提高了自標(biāo)定的精度。

3、　　 目標(biāo)跟蹤方面，首先對目標(biāo)跟蹤進行了深入的分析和研究，著重介紹了均值漂移算法，包括均值漂移的基本公式、擴展形式、物理意義及其在目標(biāo)跟蹤算法方面的應(yīng)用等，本文使用均值漂移的原因在于該算法收斂速度快，復(fù)雜度低，對于一般情況下，總可以在10ms以內(nèi)收斂到最準(zhǔn)確的位置。本文還介紹了加權(quán)RGB特征及其特征選擇算法，使用RGB加權(quán)特征作為本文跟蹤算法的特征的原因是該特征容易計算，復(fù)雜度低，在計算概率密度分布時，無需復(fù)雜的計算。由于本文的應(yīng)用環(huán)

4、境是PTZ攝像機，而且需要解決的問題是使得PTZ攝像機隨著行人的運動而旋轉(zhuǎn)，進而跟蹤行人，現(xiàn)有的目標(biāo)檢測方法無法應(yīng)用于這樣的研究目的，因此需要對目標(biāo)的位置進行預(yù)測，防止因突發(fā)事件引起跟蹤算法的漂移，本文使用了Kalman濾波器對目標(biāo)位置進行預(yù)測，并將其應(yīng)用到對PTZ相機不規(guī)則PT坐標(biāo)的預(yù)測上，并用實驗結(jié)果說明這中應(yīng)用的正確性及其合理性。
　　 由于本文所做研究是基于PTZ攝像機的，所以可有PTZ相機的特點來簡化自適應(yīng)跟蹤框算法。

5、本文所做研究限定條件為攝像機的運動是純旋轉(zhuǎn)運動，因此可以使用光學(xué)投影的方法解決剛性模型的自適應(yīng)跟蹤框問題。本文所做研究是基于目標(biāo)運動模型的剛性特征的，因此對于行人的彎腰或者是摔倒沒有良好的效果。在這樣的應(yīng)用前提下，基于對應(yīng)用環(huán)境的分析，提出了一種時間復(fù)雜度為O(1)的算法，并且該方法可以與很多視頻目標(biāo)跟蹤算法相結(jié)合，算法僅僅需要推導(dǎo)幾何公式，且推導(dǎo)出的公式不含積分、微分等復(fù)雜的運算。從工程應(yīng)用的角度解決了實際問題。實驗表明該方法能夠有效