基于运动特征的视频网络多目标匹配和跟踪方法研究

发布时间：2017-08-30 08:10

  本文关键词：基于运动特征的视频网络多目标匹配和跟踪方法研究

  更多相关文章： 智能视频监控 目标跟踪 目标匹配 时空运动轨迹

【摘要】：视频网络的智能视频监控应用有广泛的应用前景和研究价值,运动目标跟踪是许多智能视频监控应用的基础。单目摄像头下,目标间的遮挡处理是目标跟踪的核心问题。常规目标跟踪方法通过相邻帧目标的外观特征实现相同目标的匹配,勾画目标的运动轨迹。但是在目标间存在遮挡时,使用目标的外观作为匹配特征必然导致目标的错误跟踪或跟踪丢失。单摄像头本身无法提供目标的深度信息,为了确定目标的深度,就需要另外一个摄像头提供附加的约束信息。因此,利用多摄像头对目标进行跟踪就面临着不同摄像头间相同目标图像匹配问题。而常规的图像匹配方法采用目标图像的颜色、纹理、尺度不变特征变化等作为匹配特征。但是在实际的监控场景中,由于光照的变化、摄像头视角的差异、摄像头分辨率低等因素的影响,基于以上特征的匹配算法都存在应用场景受限的缺点。在运动过程中固定物的遮挡、目标之间的相互遮挡也会导致现有算法的匹配准确率下降。因此,在单目摄像头目标跟踪的基础上,将摄像头间目标的匹配问题转换为目标运动轨迹的匹配。本文从匹配算法对监控环境的可扩展性出发,研究了以下四个方面的内容:1.在单目摄像头下,提出了基于运动区域的目标跟踪算法,采用目标尺寸、目标运动方向、目标运动速度构造代价函数,根据代价值实现模板与目标的关联。针对运动过程中,运动目标之间遮挡情况,采用不同的模板更新策略,解决目标遮挡问题。2.采用MOTP和MOTA作为跟踪算法的性能评价指标。MOTP表示跟踪器准确预估目标位置的能力,MOTA表示跟踪器准确预估目标数目和跟踪一致性的能力。3.提出了鲁棒的目标时空运动轨迹,结合了目标的时间特性和空间运动特性,该特征具有几何独立性和唯一性,且不受物体形状、光照、摄像头间视角等因素的影响,不需要提前对摄像机进行参数标定。4.针对时空运动轨迹的特征,提出了改进的基于互信息的序列相似性度量方法,该方法能有效避免不同目标运动轨迹之间局部相似的情况。在摄像头间,基于目标的时空运动轨迹的相似性,利用摄像头间目标的运动轨迹构造加权二部图,通过二部图的最优匹配算法实现摄像头间相同目标的运动轨迹匹配。5.针对匹配结果,采用误匹配率和平均偏差值作为匹配算法的评价指标。仿真验证了提出的匹配算法与基于sift特征的匹配算法在各种运动环境下的匹配性能。结果表明,提出的算法能保证较高的匹配成功率,同时保持一定的精确度。
【关键词】：智能视频监控 目标跟踪 目标匹配 时空运动轨迹
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TN948.6
【目录】：

• 摘要5-7
• ABSTRACT7-15
• 第一章 绪论15-21
• 1.1 研究背景与意义15-16
• 1.2 国内外研究历史与现状16-19
• 1.2.1 目标跟踪技术现状16-17
• 1.2.2 目标匹配技术现状17-19
• 1.3 本文的主要工作19
• 1.4 本论文的结构安排19-21
• 第二章 目标跟踪匹配基本理论21-33
• 2.1 目标检测技术21-22
• 2.1.1 背景差分法21-22
• 2.2 目标跟踪方法22-23
• 2.3 目标匹配23-24
• 2.4 像素点的运动特征24-32
• 2.4.1 二维目标运动模型25-28
• 2.4.2 三维目标运动模型28-32
• 2.5 本章小结32-33
• 第三章 单目摄像机下目标跟踪技术研究33-42
• 3.1 引言33
• 3.2 基于运动的目标跟踪33-35
• 3.2.1 基于匹配代价的区域对应33-35
• 3.2.2 代价阈值设定35
• 3.3 运动情况分析35-40
• 3.3.1 正常情况35-36
• 3.3.2 固定物遮挡或进入/离开36
• 3.3.3 相互遮挡36-40
• 3.4 跟踪性能评价指标40
• 3.5 算法分析40-41
• 3.6 本章小结41-42
• 第四章 基于时空运动轨迹的摄像头间目标匹配42-54
• 4.1 引言42
• 4.2 时空运动轨迹42-46
• 4.2.1 轨迹定义42-43
• 4.2.2 鲁棒性43-44
• 4.2.3 目标表征点选取44-46
• 4.3 基于时空运动轨迹的目标匹配46-50
• 4.3.1 汉明距离47
• 4.3.2 基于互信息的相似性度量47-49
• 4.3.3 改进的相似性度量方法49-50
• 4.4 路径的最优匹配50-51
• 4.4.1 完全偶图50-51
• 4.5 匹配性能评价指标51-53
• 4.6 本章小结53-54
• 第五章 实验结果及分析54-83
• 5.1 引言54
• 5.2 实验环境54
• 5.3 目标跟踪算法仿真54-70
• 5.3.1 实验框架54-55
• 5.3.2 模板更新实现55
• 5.3.3 无遮挡情况55-57
• 5.3.4 存在遮挡情况57-67
• 5.3.5 跟踪性能评价67-70
• 5.4 目标匹配算法仿真70-82
• 5.4.1 实验框架70
• 5.4.2 实验结果70-78
• 5.4.3 匹配性能评价78-82
• 5.5 本章小结82-83
• 第六章 总结和展望83-85
• 6.1 全文总结83-84
• 6.2 未来工作展望84-85
• 致谢85-86
• 参考文献86-90
• 攻读硕士学位期间取得的成果90-91

【相似文献】

中国期刊全文数据库 前10条

1 李晓冰;;经纬仪序列测量图像目标匹配方法[J];光电技术应用;2007年05期

2 汪定伟;;电子中介的多目标交易匹配问题及其优化方法[J];信息系统学报;2007年01期

3 谢之宇;蒋晓瑜;汪熙;裴闯;;改进的帧差法在目标匹配中的应用[J];计算机工程与应用;2011年34期

4 衡林;朱秀昌;;无重叠视域的多摄像机之间的目标匹配[J];计算机工程与应用;2014年08期

5 郭克华;刘传才;杨静宇;;局部相似目标匹配的微分几何模型[J];系统仿真学报;2007年24期

6 郭克华;刘传才;杨静宇;;三维局部相似目标匹配的微分几何方法[J];模式识别与人工智能;2008年05期

7 徐枫;邓敏;赵彬彬;陈建军;;空间目标匹配方法的应用分析[J];地球信息科学学报;2009年05期

8 范彩霞;朱虹;蔺广逢;;基于颜色不变量的多相机目标匹配方法[J];计算机工程;2012年04期

9 苏秀琴;梁金峰;;一种基于单元信息熵的目标匹配改进算法[J];光子学报;2009年11期

10 王宏磊;;基于马尔可夫决策过程的动态火力目标匹配[J];电脑知识与技术;2011年11期

中国重要会议论文全文数据库 前5条

1 刘旨春;盛磊;于晓波;;基于多传感器数据融合技术的多目标匹配[A];2009年先进光学技术及其应用研讨会论文集（下册）[C];2009年

2 杨法强;王海洋;;基于目标匹配的旅游服务平台架构[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

3 管学伟;刘先志;杜天军;;一种基于SIFT算法的目标匹配方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

4 丛杨;唐延东;;基于光流方程和目标匹配的视频图像目标跟踪方法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

5 武林伟;王勇;李博;;复杂背景下目标匹配相关跟踪算法的频域研究和改进[A];江苏、山东、河南、江西、黑龙江五省光学（激光）联合学术'05年会论文集[C];2005年

中国博士学位论文全文数据库 前1条

1 赵彬彬;多尺度矢量地图空间目标匹配方法及其应用研究[D];中南大学;2011年

中国硕士学位论文全文数据库 前10条

1 商依婷;跨摄像头的人员追踪算法研究[D];吉林大学;2016年

2 杜永胜;基于运动特征的视频网络多目标匹配和跟踪方法研究[D];电子科技大学;2016年

3 栾筱朋;基于优化距离测度学习的无重叠视域目标匹配技术研究[D];南京邮电大学;2016年

4 孙前锋;基于主颜色谱及空间分布熵的目标匹配技术研究[D];南京邮电大学;2012年

5 曹金山;基于特征融合和支持向量机的多摄像机下目标匹配技术研究[D];南京邮电大学;2015年

6 杨东帆;带电作业培训场景中多摄像机下的目标匹配技术研究[D];电子科技大学;2014年

7 于孔帅;基于外观特征和距离测度学习的无重叠视域目标匹配技术研究[D];南京邮电大学;2014年

8 赵应学;多摄像机视频监控中基于几何约束的目标匹配技术研究[D];南京邮电大学;2012年

9 刘日积;基于增量学习和特征融合的多摄像机协作监控系统目标匹配方法研究[D];浙江工商大学;2015年

10 何肖爽;基于深度学习的多摄像机协作监控系统目标匹配方法研究与系统实现[D];浙江工商大学;2015年

，

本文编号：758169