基于視頻的復雜場景下多目標跟蹤關鍵技術研究.pdf

1、基于視頻的多目標跟蹤是計算機視覺領域中的一個核心問題，在智能交通、智慧城市、虛擬現(xiàn)實、運動事件分析等領域有著極其重要的意義。在復雜場景下進行多目標跟蹤時，檢測和數據關聯(lián)是兩個非常重要的步驟，由于場景中可能出現(xiàn)多個目標相互遮擋，檢測結果會出現(xiàn)誤檢和漏檢的情況，如果檢測結果誤差較大，此時通過數據關聯(lián)得到的結果也會出現(xiàn)較大的誤差。因此，本文對多目標跟蹤中的目標檢測方法和數據關聯(lián)方法進行了重點研究，具體工作如下：
　　為了得到準確的目標位

2、置信息，本文研究了一種可靠的多目標分層檢測算法。首先提出了一種基于半色調二值特征和結構化輸出支持向量機的快速目標區(qū)域預測算法，用于預測每個目標在當前幀可能的目標區(qū)域；在此基礎上進行上層檢測，即將預測得到的目標區(qū)域與VIBE檢測算法提取的前景區(qū)域相結合，提取出感興趣的目標區(qū)域。上層檢測一方面不僅可以彌補由于VIBE算法不能檢測一段時間靜止的目標而發(fā)生的漏檢，另一方面，還為下層檢測大大縮小的檢測區(qū)域范圍，從而加快下層檢測的速度。接下來在提取

3、的感興趣區(qū)域上進行下層檢測，首先采用DPM檢測算法得到可能的目標位置，再與預測的目標區(qū)域進行融合，得到所有目標可靠的位置信息。實驗表明，本文的分層檢測方法有效克服了漏檢和誤檢，提高了檢測精度。
　　為了保證目標坐標關聯(lián)的可靠性，本文采用基于分層數據關聯(lián)的多目標跟蹤方法，首先提出一種低層關聯(lián)方法，對短時間內的目標坐標進行關聯(lián)，生成較短的軌跡片段；然后研究了一種基于多特征融合的目標外觀表示，并為每個目標建立特征池；并在此基礎上采用基于