多目标跟踪算法研究及应用

发布时间：2017-08-07 21:00

  本文关键词：多目标跟踪算法研究及应用

  更多相关文章： 多目标跟踪 区域选择 卷积神经网络 基础颜色特征 自适应尺度因子

【摘要】：随着社会的不断发展,公共安全事件、特别是暴力恐怖事件日益增多,对于传统的视频监控系统提出了新的需求。智能视频监控系统作为视频监控系统的最新研究成果,因其符合当前信息产业发展的趋势,结合了计算机视觉技术、机器学习技术而受到学界和工业界的广泛关注,其研究价值较为重要、应用前景广阔。基于分类的多目标跟踪技术作为智能视频监控系统中的核心组成部分,备受国内外研究人员的注意。但在多目标跟踪研究领域内,因其固有的复杂性,如目标间相互遮挡带来的干扰、人工设计特征引入的问题等,目前还存在大量难题亟待解决。本文主要在多目标跟踪算法及其在智能视频监控领域中的应用展开研究,主要研究结果总结如下:(1)设计了一种基于区域卷积神经网络的目标检测算法。针对目标检测算法中人工设计目标特征带来的各种问题,将卷积神经网络引入到目标检测算法中。同时为了满足智能视频监控系统实时性的需求,提出区域选择算法对视频图像进行计算,产生可能包含目标的疑似区域,减少了卷积神经网络的计算量。在此基础上,对卷积神经网络进行改进,设计了基于区域的卷积神经网络。实验结果表明,基于区域的卷积神经网络提取的特征具有较高的分辨能力,在目标检测的准确率上较其他算法有较大提高;(2)提出了一种基于基础颜色特征的自适应尺度的目标跟踪算法。针对目标间相互遮挡对数据关联带来的干扰,根据基础颜色特征和目标间的相对位置关系,形成各种配置,通过结构化支持向量机来求取最优配置,完成跟踪目标的关联;同时,采取尺度因子更新算法,在计算目标信息量变化的基础上,对关联后的位置进行矫正,提高目标跟踪算法的跟踪精度。实验表明,算法在跟踪目标的准确率和精度上取得了不错的实验结果;(3)在上述算法的基础上,设计并实现了机场跑道智能视频监控系统。该系统由服务器端和客户端构成。客户端利用基于区域卷积神经网络的目标检测算法,对跑道上的飞机进行实时检测,将检测结果通过网络发送给服务器端;服务器端接收来自客户端的检测数据,利用基于基础颜色特征的自适应尺度的目标跟踪算法,实现了实时跟踪飞机地面活动、判断飞机是否违规并告警的功能。该系统能够满足智能视频监控系统的实时性需求,同时能较好的对目标进行自动监控、分析其运动轨迹。
【关键词】：多目标跟踪 区域选择 卷积神经网络 基础颜色特征 自适应尺度因子
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-16
• 1.1 研究的目的和意义9-10
• 1.2 研究现状及存在问题10-15
• 1.2.1 国内外研究现状10-12
• 1.2.2 算法简介及存在问题12-15
• 1.3 本文主要研究内容15-16
• 2 多目标跟踪技术综述16-27
• 2.1 多目标跟踪算法框架17
• 2.2 目标检测技术17-23
• 2.3 目标跟踪技术23-27
• 2.4 本章小结27
• 3 基于区域卷积神经网络的目标检测算法27-44
• 3.1 卷积神经网络简介29-33
• 3.2 区域选择算法33-36
• 3.3 基于区域的卷积神经网络36-40
• 3.4 实验结果集分析40-44
• 3.4.1 目标特征对比41-43
• 3.4.2 目标检测算法对比43-44
• 3.5 本章小结44
• 4 基于基础颜色特征的自适应尺度的目标跟踪算法44-58
• 4.1 基础颜色特征46-48
• 4.2 自适应尺度因子48-50
• 4.3 基于基础颜色特征的自适应尺度的多目标跟踪算法50-54
• 4.4 实验结果及分析54-57
• 4.5 本章小结57-58
• 5 机场场面监控系统设计与实现58-67
• 5.1 系统需求及技术指标59-60
• 5.2 系统总体设计60-62
• 5.3 客户端62-63
• 5.4 服务器端63-65
• 5.5 系统测试结果65-66
• 5.6 本章小结66-67
• 6 总结与展望67-69
• 致谢69-70
• 攻读学位期间发表的学位论文相关的学术论文及研究成果70-71
• 参考文献71-74

【相似文献】

中国期刊全文数据库 前10条

1 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期

2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期

3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期

4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期

5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期

6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期

7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期

8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期

9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期

中国重要会议论文全文数据库 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报（2005）[C];2005年

8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年

2 王保宪;复杂背景下的视频目标跟踪算法研究[D];北京理工大学;2016年

3 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

4 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年

5 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年

6 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

7 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

8 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

9 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

10 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年

中国硕士学位论文全文数据库 前10条

1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年

2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年

3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年

4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年

5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年

6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年

7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年

8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年

9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年

10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年

，

本文编号：636656