基于多摄像机的智能视频跟踪研究

发布时间：2017-05-10 08:03

  本文关键词：基于多摄像机的智能视频跟踪研究，由笔耕文化传播整理发布。

【摘要】：智能视频处理是计算机视觉技术的一个重要的应用领域。其中,目标跟踪与识别是智能视频处理领域一个重要的研究课题,是一项需要多学科理论的前沿研究主题。由于智能视频跟踪的广阔应用前景,目标跟踪成为了计算机视觉领域的研究热点,并引起了国内外学者的高度关注。目标跟踪的主要研究内容是如何从序列视频图像中更准确地估计出来目标的运动状态或运动轨迹。近年来,计算机技术的飞速发展在很大程度上提高了大规模计算的速度,这使得用于解决视频跟踪问题的数学理论得到了实际的应用,接着使得智能视频跟踪技术得到了更为广泛的应用。 均值漂移算法和粒子滤波算法作为无参密度估计方法能较好地处理视频跟踪领域的问题,因此被越来越多的应用于视频跟踪领域。但由于视频本身的特点及上述跟踪算法自身的缺陷的影响,还存在需要许多研究的问题,例如特征描述、均值漂移算法的收敛性、粒子滤波算法中的相似性度量、粒子枯竭、两个算法的相结合等的问题。针对这些难题,论文主要做了以下几个方面的研究： 从特征描述的角度出发分析了基于空间直方图的跟踪算法,并发现空间直方图存在有时候不能准确地描述特征的问题,即不能辨别单峰坐标分布和多峰坐标分布之间的差异。本文将周长特征融入到空间直方图里面以增加了视觉特征描述的几何性,使得特征描述辨别性能在准确性和鲁棒性方面确实较空间直方图有很大的提高。 从自动控制理论的角度出发,通过对均值漂移算法的收敛过程分析,发现了均值漂移算法的收敛对特征描述非常敏感。为了增加目标跟踪的准确性和鲁棒性,提出了特征的混合控制方法,接着提出了基于特征混合控制方法的均值漂移算法。然后,通过实验对比验证了本文提出的算法在准确性和鲁棒性方面较基于单独特征的算法占有优势。 从粒子滤波中相似度计算的角度上,通过对交叉bin(cross-bin)方法的定义域特性与值域特性的分析,发现了增加巴氏相似度(Incremental Bhattacharyya Dissimilarity-IBD)计算的不稳定性。由运输问题的解释启发提出了一种AISM(Asymmetric Incre-mental Similarity Matrix)的归一化方法与非对称增加巴氏相似度(Asymmetric Incre-mental Bhattacharyya Dissimilarity-AIBS)。AIBS采用bin混合矩阵(bin-mixing matrix),因此能够保证bin之间的互动。在计算相似度时,AIBS对空间特征矩阵不需要任何对称性。然后,通过与一些其他方法比较,证明了一些本文所提出的改进方法的有效性。 从粒子滤波算法的视频跟踪理论的角度出发,为了提高跟踪的准确性并增加粒子的多样性,在粒子滤波算法中采用权重的非线性变换和扩散重采样。权重的非线性变换用于提高跟踪的准确性,扩散重采样用于增加粒子的多样性。通过实验对比验证了本文提出的算法在准确性和鲁棒性方面较标准粒子滤波算法有很大的改进。 在均值漂移算法与粒子滤波算法结合系统中,分析了所有粒子的可控性,发现了基于病态粒子消除的跟踪方法存在的问题。然后,为了控制所有粒子的收敛过程,提出了基于条件数的粒子状态控制方法,并且为了得到靠近于全局极值附近的估计结果,提出了基于重采样-调整算法。最后,通过实验对比验证了本文提出的算法在准确性和鲁棒性方面较病态粒子消除方法有很大的提高。 多摄像跟踪过程中的一个关键步骤就是不同摄像头间人的再匹配问题。再识别可以在活动分析与事件识别或场景分析中发挥一定的作用。然而由于光照、遮挡、姿势变化等的影响,使得再识别准确性很低。为了解决这些问题,使用交叉识别特征可靠地估计出显著性的概率分布。估计出来的交叉识别特征对不相交的摄像头问题较鲁棒,而且在识别领域用它作为有意义的人体特征描述子。而且,将识别定义为交叉识别特征匹配问题,提出一种交叉识别特征的双向匹配方法。除此之外,使用基于背景差与特征检测相结合的多目标跟踪算法获取匹配对象。
【关键词】：目标跟踪 均值漂移算法 粒子滤波 几何直方图 混合梯度下降法 非对称增加巴氏相似度 样条重采样 粒子状态控制 交叉识别特征
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-19
• 1.1 背景与需求10-11
• 1.2 国内外研究现状11-14
• 1.3 存在的问题14-15
• 1.4 研究内容与成果15-17
• 1.5 论文组织结构17-19
• 2 相关理论分析19-36
• 2.1 引言19-20
• 2.2 特征描述20-23
• 2.3 特征相似性度量23-25
• 2.4 均值漂移算法25-26
• 2.5 粒子滤波算法26-27
• 2.6 单目跟踪27-33
• 2.7 多目跟踪33-36
• 3 基于几何直方图均值漂移算法的单目跟踪方法36-55
• 3.1 引言36
• 3.2 基于几何直方图的特征描述36-41
• 3.3 基于几何直方图的均值漂移算法41-43
• 3.4 基于几何直方图均值漂移算法的单目跟踪算法43-45
• 3.5 实验与分析45-53
• 3.6 本章小结53-55
• 4 基于AIBS与样条重采样粒子滤波的单目跟踪方法55-84
• 4.1 引言55-56
• 4.2 基于AIBS的粒子相似性度量56-62
• 4.3 基于AIBS的样条重采样粒子滤波算法62-68
• 4.4 基于样条重采样粒子滤波的单目跟踪算法68-70
• 4.5 实验对比与分析70-82
• 4.6 本章小结82-84
• 5 基于粒子状态控制的混合单目跟踪方法84-93
• 5.1 引言84-85
• 5.2 基于粒子状态控制的粒子均值漂移混合算法85-87
• 5.3 基于粒子均值漂移混合算法的单目跟踪算法87-89
• 5.4 实验数据与分析89-92
• 5.5 本章小结92-93
• 6 基于交叉识别特征与双向匹配的多目跟踪93-107
• 6.1 引言93-94
• 6.2 计算交叉识别特征94-96
• 6.3 交叉识别特征的双向匹配及多目跟踪96-100
• 6.4 实验结果与比较100-105
• 6.5 本章小结105-107
• 7 基于多摄像机的智能视频跟踪系统设计及实现107-118
• 7.1 引言107
• 7.2 跟踪系统设计107-114
• 7.3 实验结果与分析114-117
• 7.4 本章小结117-118
• 8 总结与展望118-122
• 8.1 本文研究总结与创新点118-120
• 8.2 未来的工作及展望120-122
• 致谢122-123
• 参考文献123-131
• 附录1 攻读学位期间发表的学术论文131-133
• 附录2 公开发表的学术论文与学位论文的关系133

【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 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

9 李志刚;视频跟踪测试平台的电子学系统的设计与实现[D];吉林大学;2015年

10 罗瑞;序列蒙特卡罗粒子滤波及其在视频跟踪中的应用[D];西安电子科技大学;2009年

  本文关键词：基于多摄像机的智能视频跟踪研究，由笔耕文化传播整理发布。

，

本文编号：354310