基于多摄像机的人体目标跟踪技术实现

发布时间：2020-07-09 08:14

【摘要】：近年来,智能视频监控技术是计算机视觉的一个热点并引起了广泛的关注。多摄像机人体跟踪是智能视频监控的重要组成部分。在多摄像机跟踪中,关键的两个问题是:效果较好的跟踪算法处理速度较慢;某个在摄像机中出现的特定行人,当其在另一个摄像机中出现时,可以自动地定位出该行人。本文针对这两个问题,分别进行研究。主要工作包括以下几个方面:(1)针对当前跟踪算法无法在高分辨率下达到实时跟踪的问题,提出了一种基于循环队列与多线程的方法提升跟踪算法的速度。首先,构建两个循环队列作为缓冲区,分别用来存放未处理的帧和缩放后的帧。然后,一个线程执行将帧读到缓冲区的操作和缩放帧操作,另一线程用跟踪算法来处理缩放帧。最后,用跟踪算法得到的位置信息映射到未处理的帧上,用来显示。为了防止因线程之间速度较快而出现覆盖循环队列的数据的情况,可以适当的增加循环队列的容量。线程因处理方法不同而导致处理速度不同,需要对不同的情况进行相应处理。为了保证显示的帧与处理帧的一致性,同一线程对不同循环队列中的数据操作要满足FIFO原则和原子性。实验结果表明,在高分辨率下,能够实时的跟踪目标。(2)针对其他摄像机出现的人体与当前的摄像机的人体是否是同一目标问题,提出了一种基于颜色直方图的匹配方法。首先,为了去除图片中的亮度的影响,统计所有图片的HSV颜色空间中的H分量与S分量;然后,为了防止图片分辨率不一样对结果造成干扰,对统计后的二维颜色直方图作归一化处理;最后计算图片之间的匹配值。本文在VIPeR数据集进行实验,得到了良好的效果。(3)针对于全局特征易受到干扰的问题,提出了一种基于SIFT的匹配方法。首先,为了防止人体检测算法后的图片块会出现较大的背景区域的干扰,将图片二值化后并计算图片的轮廓,轮廓最大的外接矩形即是准确的人体部分;然后,在这部分检测特征点并生成每个特征点的描述子,经过匹配后得到了所有点的匹配信息,选取距离最近的一些点并为每个点附上一个权重,最后计算所有点距离的平方和。实验证明,该方法是有效的。(4)本文在OpenCV3.1和CUDA7.5上建立仿真平台,由于用到CUDA模块,程序是64位的。拍摄多个视频来模拟多摄像机环境并进行人体跟踪。实验结果表明,能够有效的跟踪运动人体。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】