跨摄像头目标跟踪技术研究

发布时间：2021-01-05 17:09

　　随着计算机视觉的迅速发展,智能视频监控系统引发了广泛关注,目标跟踪系统作为智能视频监控系统的关键组成部分,具有很高的研究价值与应用价值。目前主要使用的是单摄像头目标跟踪系统,由于单个摄像头监控范围有限,导致其存在较大的局限性,例如无法对目标进行连续跟踪。跨摄像头目标跟踪系统通过增加摄像头数量克服了单摄像头目标跟踪系统存在的固有缺陷,实现对目标的长时连续跟踪。基于此背景,本文对跨摄像头目标跟踪技术进行研究。本文首先对单摄像头场景下的目标跟踪技术进行研究,然后对具有浅重叠区域的跨摄像头目标匹配技术进行研究。主要研究工作如下:1.针对核相关滤波器目标跟踪算法在多种复杂跟踪场景中算法性能下降的问题,本文提出改进方案:（1）为了解决单一的梯度直方图特征无法满足多种跟踪场景需求的问题,提出了结合梯度直方图特征和颜色特征来描述目标的方法;（2）为了解决该算法不适用于目标尺度变化的跟踪场景,提出了结合尺度滤波器自适应调整目标尺度大小的方法;（3）为了解决该算法在跟踪过程中存在的模型漂移,提出了一种基于响应峰值的跟踪失败检测机制,自适应调整模板更新策略。改进的算法在VOT数据集上进行测试,实验结果表明,... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

hand视频序列实验结果

HOG 特征HOG 特征是一种用于目标检测的特征描述子，它通过计算和统计图像方向梯度直方图来构成特征，被广泛应用于计算机视觉和图像处理领 HOG 特征结合支持向量机(Support Vector Machine，SVM)的方法在被行人检测中[50]。提取 HOG 特征的详细过程如图 3.2 所示，在获取特征在实际场景中存在光线变化的情况，首先图像需要进行归一化操作，的目标区域划分成多个大小相同的空间单元(cell)；然后累积加权每个 度方向，得到每个 cell 的特征描述子，再联合邻近的 cell，得到存在重部区域的图像块(block)；为了有效利用这些重叠的区域，需要在重叠的归一化对比度；最后在检测窗口内统计所有图像块的梯度信息，并对化处理得到整个图像的 HOG 特征。

的特征提取方法很好地描述了局部像素点之间的关系，对图像旋转、移动不敏感，在目标发生轻微形变时也可以取得较好的跟踪效果。3.2.3 颜色属性颜色特征主要包括 HSV 颜色空间、颜色 SIFT 特征、颜色属性等。颜色属性不同于 HSV 颜色空间、颜色 SIFT 特征等，由于其可以更加丰富地描述物体而被应用于目标跟踪中。B. Berlin[51]在一项语言学研究中得出自然界中的颜色通过语言学的颜色标签特性可以被划分为红、橙、黄、绿、蓝、紫、灰、白、黑、棕和粉色这十一种颜色，这种十一维颜色空间对目标的描述比 HSV 颜色空间具有更强的表达与判别能力。如图 3.4 所示，将左图中图像各像素点 RGB 值映射到十一维颜色属性中，得到右图的结果。

【参考文献】：
期刊论文
[1]视觉目标跟踪方法研究综述[J]. 葛宝义,左宪章,胡永江.  中国图象图形学报. 2018(08)
[2]基于混合高斯和HOG+SVM的行人检测模型[J]. 龚露鸣,徐美华,刘冬军,张发宇.  上海大学学报(自然科学版). 2018(03)
[3]一种结合颜色纹理直方图的改进型Camshift目标跟踪算法[J]. 初红霞,谢忠玉,王科俊.  西安交通大学学报. 2018(03)
[4]方向梯度直方图综述[J]. 刘方园,王水花,张煜东.  计算机工程与应用. 2017(19)
[5]基于协方差矩阵的多特征融合跟踪算法[J]. 金泽芬芬,侯志强,余旺盛,王鑫.  光学学报. 2017(09)
[6]多特征自适应均值漂移算法的目标跟踪[J]. 贾松敏,王爽,王丽佳,李秀智.  光电子.激光. 2014(10)
[7]基于特征融合的粒子滤波目标跟踪新方法[J]. 闫河,刘婕,杨德红,王朴,金炜.  光电子.激光. 2014(10)
[8]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)
[9]一种基于多特征融合的粒子滤波目标跟踪算法[J]. 高秀斌,丁盼盼,蒋长帅,杜宇人.  扬州大学学报(自然科学版). 2013(01)
[10]基于MCMC无味粒子滤波的目标跟踪算法[J]. 张苗辉,刘先省.  系统工程与电子技术. 2009(08)



本文编号：2958993