监控视频中多目标检测与跟踪研究

发布时间：2017-09-11 08:42

  本文关键词：监控视频中多目标检测与跟踪研究

  更多相关文章： 目标检测 鬼影 多目标跟踪 轨迹优化 VIBE算法 OTSU准则

【摘要】：随着智能监控体系方向科研的深入与普及,对运动目标的检测和跟踪在计算机视觉方向拥有着越来越高的位置。因为光照变化、场景的复杂、目标运动方式多样性、目标外观的多样性和目标之间的相互遮挡,使得运动目标检测与跟踪这一研究方向仍面临着许多难以解决的问题,需要进一步的深入研究。本文主要研究方向就是静态场景下多运动目标检测和跟踪。主要工作如下：在多运动目标的检测方向上,由于VIBE存在鬼影和长期暂停目标难以抑制的缺陷,本文提出了抑制鬼影和静止目标的VIBE后续处理办法。步骤如下：首先,通过OTSU准侧来使VIBE算法中的判断阈值达到自适应,从而在前景的判断以及目标的分割上得到优化,其次使用基于HOG的支持向量机(SVM)分类器处理检测后得到的目标,使粘连为一体的目标能够被区分；最后,通过比较VIBE检测出的前景与背景的轮廓相似度,来判断该前景是鬼影或静止目标,采用不同的更新策略对二者进行抑制,从而达到消除鬼影与静止目标的目的。通过本文所做的一些实验,以上提出的方法能够准确地检测并分割出运动目标。在目标跟踪领域,由于基于轨迹优化的多目标跟踪算法存在长期遮挡无法继续跟踪和实时性不佳的缺陷,本文提出了优化跟踪和提高实时性的一些改进。本文通过加大基于轨迹优化多目标跟踪能量函数的持续性选项的系数来增加轨迹融合的能力,为了防止出现错误的轨迹融合,又在能量函数中加入了间隔帧比较这一选项,从而增强了跟踪长时间被遮挡目标的能力；其次,本文将视频序列分段采用轨迹优化的方式跟踪,在段与段的接口处进行连接,从而不必等到检测完整个视频的所有目标才输出实验结果,增强了视觉上的实时性。通过本文所做的一些实验,以上的方法比较可行、有效。
【关键词】：目标检测 鬼影 多目标跟踪 轨迹优化 VIBE算法 OTSU准则
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 绪论14-19
• 1.1 课题研究背景与意义14-15
• 1.2 国内外研究现状分析15-16
• 1.3 多运动目标检测和跟踪的难点16-17
• 1.4 本文主要研究内容17
• 1.5 本文章节安排17-19
• 第二章 运动目标检测与跟踪技术介绍19-32
• 2.1 运动目标检测算法介绍19-27
• 2.1.1 光流法19-20
• 2.1.2 帧间差分法20-21
• 2.1.3 背景减法21-26
• 2.1.4 基于机器学习的目标检测算法26-27
• 2.2 运动目标跟踪算法简介27-31
• 2.2.1 基于特征的跟踪方法28-29
• 2.2.2 基于主动轮廓的跟踪方法29
• 2.2.3 基于区域的跟踪方法29-30
• 2.2.4 基于模型的跟踪方法30-31
• 2.3 本章小结31-32
• 第三章 静态场景下多运动目标检测32-46
• 3.1 检测算法的选择32
• 3.2 VIBE对鬼影及静止目标的抑制32-40
• 3.2.1 VIBE算法的基本原理32-36
• 3.2.2 VIBE对鬼影和静止目标的抑制36-38
• 3.2.3 算法具体实现步骤38-40
• 3.3 Otsu准则简介40-43
• 3.3.1 引入OTSU准则的VIBE改进与实验结果42-43
• 3.4 粘连目标的分割43-45
• 3.5 本章小结45-46
• 第四章 基于轨迹优化的多目标跟踪的研究与改进46-61
• 4.1 多目标跟踪以及相关的问题46
• 4.2 建立各个目标的最初轨迹46-48
• 4.2.1 检测点之间的相似性计算47-48
• 4.3 能量代价函数的设计规则48-52
• 4.3.1 动力学部分49
• 4.3.2 轨迹持续部分49-50
• 4.3.3 融合间隔部分50-51
• 4.3.4 颜色匹配度部分51-52
• 4.3.5 调整部分52
• 4.4 轨迹的迭代优化52-53
• 4.5 算法流程53-54
• 4.6 实验结果与分析54-55
• 4.7 基于轨迹优化的多目标跟踪存在的问题及改进55-60
• 4.8 本章小结60-61
• 第五章 总结与展望61-64
• 5.1 论文工作总结61-62
• 5.2 未来工作及展望62-64
• 参考文献64-67
• 攻读学位期间的学术活动及成果清单67-68

【相似文献】

中国期刊全文数据库 前10条

1 吴悦;燕鹏举;翟鲁峰;;基于二元背景模型的新词发现[J];清华大学学报(自然科学版);2011年09期

2 王先荣;苟先太;罗刚;;多阶编码本背景模型[J];计算机工程与应用;2012年02期

3 林洪文,涂丹,李国辉;基于统计背景模型的运动目标检测方法[J];计算机工程;2003年16期

4 李华,宋晓虹,张宁;背景模型的建立及保持方法比较[J];电脑与信息技术;2004年01期

5 杨广林;孔令富;;基于图像分块的背景模型构建方法[J];机器人;2007年01期

6 范俊君;战荫伟;;一种基于双背景模型的遗留物检测方法[J];计算机系统应用;2012年08期

7 刘洁;张东来;;关于自适应高斯混合背景模型的更新算法的研究[J];微计算机信息;2006年22期

8 安世虎;周宏;赵全红;;知识共享的过程和背景模型研究[J];图书情报工作;2006年10期

9 徐琨;贺昱曜;王夏黎;;基于背景模型的运动车辆检测算法研究[J];微计算机信息;2007年10期

10 杨涛;李静;潘泉;程咏梅;;一种基于多层背景模型的前景检测算法[J];中国图象图形学报;2008年07期

中国重要会议论文全文数据库 前5条

1 张冠男;刘正捷;张军;;目标导向设计中的使用背景模型[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

2 吴悦;燕鹏举;翟鲁峰;;基于二元背景模型的新词发现[A];第十一届全国人机语音通讯学术会议论文集（二）[C];2011年

3 吴悦;燕鹏举;翟鲁峰;;一种基于二元背景模型的新词发现方法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

4 王贵珠;李俊韬;范耀祖;;一种基于阴影抑制和统计背景模型的运动目标检测方法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

5 王建林;孙孟奎;杨磊;孙永奇;张士国;王志海;;一种基于减背景模型的运动目标检测算法[A];2008第四届中国智能交通年会论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 马琼雄;基于视觉的服务机器人人机交互技术研究[D];华南理工大学;2014年

2 张睿;基于灰阶迁移统计法的背景模型自适应更新方法研究[D];重庆大学;2014年

中国硕士学位论文全文数据库 前10条

1 贺飞越;运动目标检测的背景模型建立和晃动目标抑制[D];昆明理工大学;2015年

2 陈银;单高斯背景模型运动目标检测算法的研究改进[D];南京理工大学;2015年

3 李洪杰;视频背景建模算法研究[D];贵州大学;2015年

4 胡学伟;基于轨迹关联的多目标跟踪[D];南京邮电大学;2015年

5 石萍;网络化水质多参数监测系统数据终端的关键技术的研究[D];南京邮电大学;2015年

6 姚姜虹;油田道路抛洒物自动检测技术研究[D];东北石油大学;2015年

7 吴尔杰;监控视频中多目标检测与跟踪研究[D];合肥工业大学;2015年

8 王先荣;多阶编码本背景模型与应用[D];西南交通大学;2013年

9 张广东;复杂环境下的运动目标检测技术研究与实现[D];南京理工大学;2008年

10 张丽;复杂环境下的取走物检测[D];河北工业大学;2011年

，

本文编号：829752