基于教室錄播系統(tǒng)的目標跟蹤技術研究.pdf

1、隨著現(xiàn)代社會經(jīng)濟的快速發(fā)展，基于視頻內(nèi)容分析的視頻監(jiān)控等自動化系統(tǒng)在安防、教育、人工智能等各個產(chǎn)業(yè)領域都發(fā)揮著越來越重要的作用。錄播系統(tǒng)作為傳統(tǒng)教育行業(yè)的輔助教學系統(tǒng)，在課堂錄播應用的方向上，扮演越來越重要的角色。但是傳統(tǒng)的錄播系統(tǒng)仍然停留在人工干預控制的階段。
　　作為智能視頻分析中一個非常重要的方向，視覺目標檢測和跟蹤也得到了迅速的發(fā)展。在目標檢測和跟蹤算法的輔助下，傳統(tǒng)的錄播系統(tǒng)能夠借助多攝像頭下的視覺目標檢測的聯(lián)合事件分析

2、，完成自動化課堂錄播控制的任務，為教師教學提供了智能和便利的錄播服務。
　　本文在總結分析了現(xiàn)有行人目標檢測算法的基礎上，針對錄播系統(tǒng)的學生檢測模塊，實現(xiàn)了一種結合幀間差和背景建模的多相機學生檢測方法。而針對教師檢測的算法部分，則提出了一種基于邊緣分級的CENTRIST行人檢測方法。并結合錄播系統(tǒng)的學生定位和教師定位模塊的需求，將算法應用到實際系統(tǒng)中。
　　針對靜態(tài)背景下的學生檢測模塊，考慮靜態(tài)背景檢測中光流法的算法復雜性，

3、幀間差分法的不穩(wěn)定性，和背景差法的低魯棒性等缺點，實現(xiàn)了一種多相機環(huán)境下的結合幀差的背景建模算法，采用了圖像腐蝕膨脹技術去除實際環(huán)境的圖像噪點，并加入了動態(tài)背景更新，在保持幀差算法的算法效率的基礎上，讓背景建模算法自適應更新背景模型。
　　針對動態(tài)背景下的教師檢測模塊，本文深入總結目標檢測中各類行人特征描述算子，對HOG、CENTRIST等邊緣輪廓特征進行了深入的學習和性能對比。針對CENTRIST檢測算子抗噪能力的不足，提出了一

4、種結合邊緣分級的行人檢測方法。該方法更加深入地刻畫了輪廓信息在行人檢測中的重要作用。利用邊緣分級提取目標主要外部輪廓，并且去除了背景環(huán)境和目標內(nèi)部不必要的局部紋理，提升了SVM分類器分類性能和背景魯棒性。該算法還結合錄播系統(tǒng)的實際應用場景，提出了結合運動區(qū)域的行人檢測算法，很好地彌補了算法的漏檢和誤檢情況。
　　最后結合課堂錄播系統(tǒng)的實際應用需求，研究基于TMS320DM8168嵌入式平臺和Linux服務器平臺的系統(tǒng)設計、軟硬件架