智能監(jiān)控中行人跟蹤系統(tǒng)設計與實現(xiàn).pdf

1、近年來，隨著我國開展的“平安城市”、“智慧城市”工程及數(shù)字采集技術和數(shù)據(jù)存儲技術的快速發(fā)展，圖像采集設備得到了迅速普及，視頻監(jiān)控系統(tǒng)成為了城市社會公共安全監(jiān)控平臺的核心成分。作為監(jiān)控系統(tǒng)關鍵技術之一的目標檢測與跟蹤技術，逐步成為國內(nèi)外學術界研究熱點。在實際應用場景中，目標跟蹤系統(tǒng)所處的工作環(huán)境一般比較復雜，存在著光照變化、目標形態(tài)尺度變化和強背景干擾、遮擋問題及目標丟失問題等不確定因素，這些因素對目標跟蹤算法的魯棒性、精度和實時性提出了

2、較高的要求。為此，本文將對上述不確定因素進行深入討論分析研究，提出相應的解決方案，從而提高整個目標跟蹤系統(tǒng)的魯棒性和準確性。主要內(nèi)容包括以下三個方面:
　　首先，研究分析在實際工作場景中的光照條件的變化和部分遮擋問題，提出一種基于稀疏表示的生成式模型目標跟蹤算法。同時，為了盡可能提高算法跟蹤速度，提出兩種粒子預、處理方法，在幾乎不影響跟蹤算法精度的同時，降低了跟蹤時間復雜度。使用局部特征思想對候選目標進行分塊處理，獲取包含部分整體

3、位置信息在內(nèi)的局部特征（稀疏直方圖）。此外，依據(jù)分塊重建誤差獲得候選目標的遮擋狀態(tài)矩陣，實現(xiàn)對遮擋問題的處理。通過仿真實驗分析，驗證了該算法對光照變化及部分遮擋問題的魯棒性。
　　其次，研究分析在實際工作場景中的目標形態(tài)尺度變化和強背景干擾問題、及跟蹤算法跟蹤誤差小而跟蹤準確率低的問題，提出一種基于稀疏表示的判決與生成聯(lián)合模型跟蹤算法。本算法是在前一個算法基礎上完成的。判決模型中，首先對原始灰度特征進行特征選擇，獲取高區(qū)分度的特征

4、，之后采用基于稀疏表示的分類器獲取候選目標的置信度。生成模型中，一方面，使用基于kd-tree簡單目標跟蹤算法快速獲取初始模板字典集合D;另一方面，獲得每個候選目標在模板字典D下的稀疏系數(shù)向量池后，提出使用結構稀疏的性質(zhì)，對向量池中每個分塊在不同模板的相同位置分塊的稀疏系數(shù)值求和，得到候選目標稀疏系數(shù)集，對角化獲取其相似度，進而得到整個候選目標的總相似度。在模板更新部分，提出利用主成分分析的方式獲取更新模板，采用基于增量子空間方式分析獲

5、取模板集合中待更新模板，完成生成模型的更新。通過以上處理，算法在處理跟蹤過程中的光照變化、短期遮擋問題、形態(tài)變化、尺度變化和強背景干擾等問題時，體現(xiàn)出了較好的魯棒性和穩(wěn)定性。
　　最后，研究分析行人跟蹤中目標丟失問題，提出包含目標丟失判決與檢測功能的目標跟蹤算法。算法主要由兩部分組成，其主體部分是目標跟蹤算法流程，在其中加入目標丟失判決流程和多尺度目標檢測環(huán)節(jié)構成完整的算法。在目標丟失判決階段，考慮整個算法的時間復雜度，根據(jù)分塊數(shù)