基于编码优化及情景感知的智能视频跟踪算法研究

发布时间：2017-09-14 23:10

  本文关键词：基于编码优化及情景感知的智能视频跟踪算法研究

  更多相关文章： 视频跟踪 情景感知 视频编码 粒子滤波

【摘要】：随着科学技术的快速发展,视频跟踪技术在人们生活中的应用范围越来越广,已成为行业内的研究热点之一。视频跟踪技术主要应用于对视频中人物或物体的识别和跟踪,以及对视频中的特殊或异常事件的检测和识别等方面,具有实时性和准确性双重需求。然而在实际中它的发展和应用受到以下两方面因素制约：一方面,视频分辨率正朝着高清甚至超高清方向发展,其中超高清视频中每帧所包含的像素点高达千万之多,这给视频跟踪的实时性实现带来了巨大的压力；另一方面,实际的视频中存在一定的遮挡和干扰,背景复杂,这会对视频跟踪的准确性造成影响。因此,如何在高分辨率以及背景复杂的视频中实现准确实时的视频跟踪,成为了行业内研究的重点。针对上述问题,本文对视频跟踪技术进行了深入研究,设计了低复杂度的视频编码优化算法,同时提出基于场景感知的视频跟踪算法以提升视频跟踪的准确性和鲁棒性。首先,本文针对超高清视频计算复杂度大的问题,提出了基于情景感知的编码优化算法。此算法对视频编码帧间预测技术中的运动估计算法进行了优化,根据运动矢量的中心分布特征,提出了新的像素块匹配搜索模板,即非对称双十字菱形模板。在进行像素块匹配搜索时,先通过非对称双十字模板对最佳匹配块的位置进行粗略定位,之后再使用菱形小模板对最佳匹配块的位置进行精确定位。除此之外,本算法还加入了中途终止的搜索机制,以减少算法的计算复杂度。实验表明,在标准高清视频如"Stockholm"、"Ducks"等视频序列中,使用非对称双十字菱形模板的编码优化算法相比于传统的使用菱形、十字形等搜索模板的编码算法在峰值信噪比上平均提升1dB,同时降低约20%的计算复杂度。低复杂度的快速视频编码优化算法能够提升视频跟踪系统实时性。其次,本文针对视频中出现的遮挡、干扰以及复杂背景等问题,提出了一种基于情景感知的视频跟踪算法。在此算法中,本文创新性的提出了两个关于跟踪目标的关键特征,即像素块分裂系数和像素块关系变化系数(BRC)。本算法首先将要跟踪的目标区域进行分块处理,根据像素块的尺寸大小确定此像素块的分裂系数,建立目标区域内像素块的分裂系数集合mapblock。之后计算每个像素块与其周围像素块之间特征关系的变化系数(BRC),并建立关于像素块关系变化系数的集合mapBRC。将建立起的两个特征集合输入进粒子滤波框架,对视频中的情景内容进行分析并分配粒子权重,根据粒子权重确定和目标区域最匹配的候选区域,以实现视频跟踪的目的。在本算法中,像素块分裂系数能够对复杂背景进行有效描述,像素块关系变化系数则能够对遮挡区域的特征进行表示。实验结果显示,在含有遮挡现象的标准测试视频"Caviar"、"Occlusion"以及"women"中,传统的粒子滤波跟踪算法的准确度在70%左右,而本算法的跟踪准确度在90%以上,表现出较强的准确性和鲁棒性。最后本文针对现实生活中视频跟踪技术的应用,设计并实现了一套多场景多目标的视频跟踪系统。本文设计的系统能够针对多个摄像头采集的多个场景,并对这些场景中出现的多个目标同时进行跟踪。该系统分为训练、识别和跟踪三个阶段,通过这三个阶段来提取和分析目标的综合特征,实现高效实时的跟踪。能够推动现实中智能交通、数字城市、智能监控等方面的实现,此项研究在理论和实际应用中具有重要意义。
【关键词】：视频跟踪 情景感知 视频编码 粒子滤波
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN948.6;TP391.41
【目录】：

• 摘要10-12
• ABSTRACT12-14
• 符号说明14-15
• 第一章 绪论15-21
• 1.1 研究背景及意义15-16
• 1.2 国内外研究现状16-17
• 1.3 本文研究难点及创新点17-19
• 1.3.1 研究难点17-18
• 1.3.2 创新点18-19
• 1.4 本文研究内容及章节安排19-21
• 第二章 相关技术及理论研究21-27
• 2.1 视频编码理论基础21-24
• 2.1.1 视频编码概述及发展21-22
• 2.1.2 视频编码国际标准22
• 2.1.3 视频编码系统组成22-24
• 2.2 智能视频跟踪技术24-26
• 2.2.1 基于对比度分析的跟踪算法24
• 2.2.2 基于运动检测的跟踪算法24-25
• 2.2.3 基于特征匹配的跟踪算法25-26
• 2.3 本章小结26-27
• 第三章 高清视频中编码优化算法的设计与实现27-43
• 3.1 HEVC视频编码框架介绍27-28
• 3.2 视频编码帧间预测技术28-30
• 3.3 运动估计技术及块匹配搜索算法30-32
• 3.4 基于情景的运动估计优化算法的设计与实现32-41
• 3.4.1 DCDS算法的设计与实现33-38
• 3.4.2 实验结果38-41
• 3.5 本章小结41-43
• 第四章 基于情景感知的视频跟踪算法的设计与实现43-57
• 4.1 基于粒子滤波的分块跟踪技术43-46
• 4.1.1 粒子滤波技术43-45
• 4.1.2 分块匹配算法45-46
• 4.2 基于情景感知的目标关键特征提取46-51
• 4.2.1 像素块关系变化系数BRC46-48
• 4.2.2 像素块分裂系数48-51
• 4.3 基于情景感知的视频跟踪优化算法设计方案51-53
• 4.4 实验结果53-56
• 4.5 本章小结56-57
• 第五章 多场景多目标的视频跟踪系统设计与实现57-67
• 5.1 系统设计背景及要求57-58
• 5.2 特征提取及匹配技术58-62
• 5.2.1 颜色直方图58
• 5.2.2 哈希编码58-60
• 5.2.3 稀疏相似性表示60-62
• 5.3 多场景多目标视频跟踪系统的设计与实现62-64
• 5.3.1 训练阶段62
• 5.3.2 识别阶段62-63
• 5.3.3 跟踪阶段63-64
• 5.4 实验结果64-66
• 5.5 本章小结66-67
• 第六章 总结与展望67-70
• 6.1 全文工作总结67-68
• 6.2 下一步工作展望68-70
• 参考文献70-75
• 致谢75-76
• 攻读学位期间的科研成果和参加的项目76-78
• 附件78

【相似文献】

中国期刊全文数据库 前10条

1 黄立新;张明谦;;视频跟踪系统模型研究[J];舰船科学技术;2006年S1期

2 赵孔新;李金岳;许兰;;视频跟踪系统中双运动目标间的角度测量[J];雷达科学与技术;2007年06期

3 谢方方;杨文飞;韩月霞;崔静;于越;;基于System Generator的快速视频跟踪系统设计[J];计算机技术与发展;2013年01期

4 龙再浩,朱永平,陈惠红,周连芳;视频跟踪-计算机自动分析的小鼠条件性位置偏爱实验系统的构建[J];浙江大学学报(医学版);2004年06期

5 胡宏宇;王殿海;孙迪;;基于视频跟踪方法的行人过街状态表达与分析[J];交通信息与安全;2009年03期

6 吴海城;陆松年;;多目标视频跟踪技术的研究[J];信息技术;2009年07期

7 吴诺;;视频跟踪算法在安防辅助定位中的应用[J];数字技术与应用;2011年05期

8 夏瑜;吴小俊;;球粒子滤波视频跟踪算法[J];模式识别与人工智能;2012年03期

9 刘先志,戴军,宋凌英;电视红外视频跟踪模块[J];光学与光电技术;2004年06期

10 金刚石;吕宏宇;刘立志;;基于坐标变换的视频跟踪误差角的计算方法[J];激光与红外;2011年04期

中国重要会议论文全文数据库 前6条

1 王立琦;陈海云;燕小强;;一种改进的粒子滤波视频跟踪算法[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年

2 茹琦;彭志红;张娟;陈逊;;基于SB/MHT的多目标视频跟踪的研究[A];第二十九届中国控制会议论文集[C];2010年

3 赵宇宙;朱明清;陈宗海;;视频跟踪中的局部区域差异性特征模型研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

4 仝明磊;韩红;;随机字典的粒子滤波视频跟踪[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

5 王松浩;王大珊;;基于一种改进视频跟踪算法的交通参数提取方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 郭练;周凯;刘富强;;全程视频跟踪在智能建筑内的应用[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

中国博士学位论文全文数据库 前5条

1 崔光民;基于多摄像机的智能视频跟踪研究[D];华中科技大学;2015年

2 刘镇_";面向视频跟踪系统的关键算法和动态可重构硬件架构研究[D];西安电子科技大学;2014年

3 韩华;基于改进粒子滤波算法的多目标智能视频跟踪研究[D];东华大学;2012年

4 周毅;图像监控中的视频跟踪方法的研究[D];上海交通大学;2012年

5 张灿龙;基于多区域联合决策的视频跟踪方法研究[D];上海交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 宋平;基于粒子滤波的目标跟踪的算法研究[D];辽宁大学;2015年

2 陈龙;基于DM642视频跟踪的无人机群控单元研究[D];南京理工大学;2015年

3 代兵云;基于角点和surf特征的目标尺度自适应研究[D];山东大学;2015年

4 贾龙飞;视频流中人脸实时跟踪[D];电子科技大学;2014年

5 冯亮;机器视觉技术的视频跟踪系统研究及FPGA实现[D];贵州大学;2015年

6 金玮;基于潜在子空间投影追踪的鲁棒视频跟踪方法[D];大连理工大学;2015年

7 王晓敏;智能交通中视频跟踪技术的研究[D];天津职业技术师范大学;2016年

8 芦丹;基于局部表示的视频跟踪算法研究[D];太原科技大学;2015年

9 孙彬;基于编码优化及情景感知的智能视频跟踪算法研究[D];山东大学;2016年

10 冀爱民;基于视频跟踪的条烟拥堵检测[D];西安电子科技大学;2011年

，

本文编号：852876