基于O2O学习的多目标检测与跟踪技术研究

发布时间：2017-05-02 19:07

  本文关键词：基于O2O学习的多目标检测与跟踪技术研究，由笔耕文化传播整理发布。

【摘要】：智能视频监控中,利用计算机实时定位视频中感兴趣的、显著视觉特征的多个独立目标,精确计算出目标在视频中位置大小、运动速度、表观特征等状态信息,为目标分类识别、行为理解等高层处理提供数据的多目标检测与跟踪技术仍然是研究的热点。视频信息包括帧间信息和帧内信息。现有基于运动信息的检测跟踪系统,只利用帧间运动信息而忽视了帧内物体表观信息,系统无法检测静止状态的目标,运行过程中不能继续跟踪由运动变静止的目标。针对运动检测系统无法提取静止状态目标的问题,采用了O2O检测算法:在线(Online)帧间运动检测,离线(Offline)帧内表观检测;运动检测通过帧间信息提取出运动的目标;表观检测弥补运动检测的不足,提取出静止的目标;学习两者提取结果,输出综合检测结果。针对运动检测检测到目标包含一些非跟踪目标噪声的问题,离线训练好一类目标的随机森林分类器,用分类器排除不需跟踪的目标,滤除噪声,提高跟踪准确度,减小跟踪计算量。针对传统跟踪方法无法继续跟踪停止目标的问题,采用了融合特征匹配与数据关联的多目标跟踪算法;跟踪系统使用帧间数据关联算法来判断目标前后帧的关联、新目标产生和目标消失;当判断一个目标消失时,系统自动在目标消失时刻的位置,使用帧内特征匹配算法,用存储的该目标特征来匹配当前位置区域图像,从而识别目标,验证其是否真消失。具体的研究内容:首先,使用基于背景差分法的帧间运动检测算法,获取视频帧间运动信息、目标状态数据;采用基于分类器的帧内表观检测算法,获取视频帧内表观信息、目标状态数据。然后,研究融合帧内特征匹配和帧间数据关联的多目标跟踪算法,实现多目标的跟踪。最后,研究并实现基于运动和表观的O2O多目标检测与跟踪系统。该系统在检测中采用在线(Online)基于帧间运动信息和离线(Offline)基于帧内表观信息的O2O综合检测算法,用以检测出全部动静目标;在跟踪中采用融合帧内特征匹配与帧间数据关联的跟踪算法,利用帧内表观特征解决跟丢停止目标的问题。
【关键词】：运动检测 表观检测 多目标跟踪 卡尔曼滤波 特征匹配 数据关联 O2O运动与表观
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6;TP391.41
【目录】：

• 摘要4-5
• Abstract5-8
• 专用术语注释表8-9
• 第一章 绪论9-16
• 1.1 研究背景与意义9-10
• 1.2 国内外研究现状10-12
• 1.3 解决问题和内容安排12-16
• 1.3.1 现有算法存在问题12-13
• 1.3.2 改进创新13-14
• 1.3.3 内容安排14-16
• 第二章 基于背景差分的帧间运动检测算法16-28
• 2.1 背景差分法16-20
• 2.1.1 背景差分算法流程16-18
• 2.1.2 GMM混合高斯模型18-19
• 2.1.3 GMM算法流程19-20
• 2.2 自适应二值化20-21
• 2.3 形态学处理21-24
• 2.3.1 腐蚀运算21-22
• 2.3.2 膨胀运算22-23
• 2.3.3 开运算与闭运算23
• 2.3.4 形态学处理策略23-24
• 2.4 连通域标记与区域生长24-25
• 2.5 运动检测算法流程25-26
• 2.6 运动检测评估实验26-27
• 2.7 本章小结27-28
• 第三章 基于分类器的帧内表观检测算法28-45
• 3.1 综合表观特征28-34
• 3.1.1 HOG特征28-30
• 3.1.2 Haar-like特征30-32
• 3.1.3 LBP特征32-34
• 3.1.4 综合特征向量34
• 3.2 随机森林分类器34-38
• 3.2.1 决策树35-36
• 3.2.2 随机森林36-38
• 3.3 学习训练分类器38
• 3.4 表观检测算法流程38-41
• 3.5 表观检测评估实验41-44
• 3.6 本章小结44-45
• 第四章 融合特征匹配和数据关联的多目标跟踪45-65
• 4.1 卡尔曼滤波45-48
• 4.2 数据关联方法48-52
• 4.2.1 相关波门48
• 4.2.2 航迹起始与终结48-49
• 4.2.3 JPDA联合概率数据互联算法49-52
• 4.3 综合表观特征匹配52-61
• 4.3.1 HSV颜色直方图匹配52-54
• 4.3.2 SURF特征匹配54-60
• 4.3.3 综合表观特征匹配60-61
• 4.4 特征匹配与数据关联融合61
• 4.5 融合跟踪算法流程61-62
• 4.6 融合跟踪评估实验62-63
• 4.7 本章小结63-65
• 第五章 基于运动与表观的O2O多目标检测与跟踪系统65-73
• 5.1 O2O多目标检测算法65-67
• 5.2 O2O多目标检测跟踪系统67-68
• 5.3 O2O检测跟踪系统评估实验68-70
• 5.4 系统项目应用70-72
• 5.4.1 城市交通卡口车辆跟踪系统70-71
• 5.4.2 博物馆区域入侵目标跟踪和行为识别系统71-72
• 5.5 本章小结72-73
• 第六章 总结与展望73-75
• 6.1 总结73-74
• 6.2 展望74-75
• 参考文献75-77
• 附录 攻读硕士学位期间申请的专利77-78
• 致谢78

【相似文献】

中国期刊全文数据库 前10条

1 陈忠碧,张启衡;一种适合于多目标检测的图像分割方法[J];光电工程;2004年05期

2 曲长文;黄勇;苏峰;;基于动态规划的多目标检测前跟踪算法[J];电子学报;2006年12期

3 尹玉红;张群飞;黄建国;王蕾;;对角加载技术在多目标检测中的应用[J];计算机仿真;2007年07期

4 樊玲;张晓玲;;基于联合多目标概率密度模型的多目标检测前跟踪算法[J];计算机应用;2012年07期

5 周志宇,汪亚明;基于运动区域的多目标检测[J];计算机自动测量与控制;2002年07期

6 刘龙;柳恭;尤亚;;基于显著对象的贝叶斯多目标检测方法[J];软件导刊;2013年07期

7 郎建华;姚金杰;韩焱;;多目标检测系统的设计与仿真[J];山西电子技术;2010年03期

8 逄勃;范广伟;;分数阶傅里叶变换在雷达多目标检测和参数估计中的应用[J];雷达与对抗;2010年01期

9 丁艳;杨东勇;陈晋音;;基于全方位视觉的多目标检测跟踪[J];计算机系统应用;2008年02期

10 苏军海;李亚超;邢孟道;;窄带雷达高速多目标检测研究[J];西安电子科技大学学报;2009年06期

中国重要会议论文全文数据库 前3条

1 匡宇;游志胜;;精子运动图象的多目标检测与分割[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

2 牟新刚;张桂林;丁全心;张国华;周晓;;基于DSP+FPGA的红外多目标检测系统设计[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

3 王智灵;路婷婷;张硕奇;陈宗海;罗杨宇;李成荣;;基于全局光流的多目标检测与跟踪[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前10条

1 刘伟伟;针对多目标检测的雷达传感器网信号波形研究[D];电子科技大学;2014年

2 车少帅;基于O2O学习的多目标检测与跟踪技术研究[D];南京邮电大学;2015年

3 郑兮;多目标检测前跟踪算法研究[D];电子科技大学;2012年

4 郭会文;监控视频中的快速多目标检测与跟踪研究[D];湖南大学;2013年

5 丁艳;基于全方位视觉的多目标检测跟踪[D];浙江工业大学;2007年

6 郭晓慧;复杂场景下视频监控系统中多目标检测的研究与实现[D];北京邮电大学;2013年

7 黄超;基于视频的人体多目标检测与跟踪算法研究[D];西华大学;2014年

8 王允;基于TMS320DM642的多目标检测系统的硬件设计[D];重庆大学;2009年

9 蔡俊林;医学图像中多目标检测与跟踪技术研究[D];华南理工大学;2012年

10 曾俊;红外多目标检测与跟踪算法研究[D];华中科技大学;2007年

  本文关键词：基于O2O学习的多目标检测与跟踪技术研究，，由笔耕文化传播整理发布。

本文编号：341515