本文關鍵詞：基于編碼優(yōu)化及情景感知的智能視頻跟蹤算法研究

  更多相關文章： 視頻跟蹤 情景感知 視頻編碼 粒子濾波

【摘要】：隨著科學技術的快速發(fā)展,視頻跟蹤技術在人們生活中的應用范圍越來越廣,已成為行業(yè)內的研究熱點之一。視頻跟蹤技術主要應用于對視頻中人物或物體的識別和跟蹤,以及對視頻中的特殊或異常事件的檢測和識別等方面,具有實時性和準確性雙重需求。然而在實際中它的發(fā)展和應用受到以下兩方面因素制約：一方面,視頻分辨率正朝著高清甚至超高清方向發(fā)展,其中超高清視頻中每幀所包含的像素點高達千萬之多,這給視頻跟蹤的實時性實現(xiàn)帶來了巨大的壓力；另一方面,實際的視頻中存在一定的遮擋和干擾,背景復雜,這會對視頻跟蹤的準確性造成影響。因此,如何在高分辨率以及背景復雜的視頻中實現(xiàn)準確實時的視頻跟蹤,成為了行業(yè)內研究的重點。針對上述問題,本文對視頻跟蹤技術進行了深入研究,設計了低復雜度的視頻編碼優(yōu)化算法,同時提出基于場景感知的視頻跟蹤算法以提升視頻跟蹤的準確性和魯棒性。首先,本文針對超高清視頻計算復雜度大的問題,提出了基于情景感知的編碼優(yōu)化算法。此算法對視頻編碼幀間預測技術中的運動估計算法進行了優(yōu)化,根據(jù)運動矢量的中心分布特征,提出了新的像素塊匹配搜索模板,即非對稱雙十字菱形模板。在進行像素塊匹配搜索時,先通過非對稱雙十字模板對最佳匹配塊的位置進行粗略定位,之后再使用菱形小模板對最佳匹配塊的位置進行精確定位。除此之外,本算法還加入了中途終止的搜索機制,以減少算法的計算復雜度。實驗表明,在標準高清視頻如"Stockholm"、"Ducks"等視頻序列中,使用非對稱雙十字菱形模板的編碼優(yōu)化算法相比于傳統(tǒng)的使用菱形、十字形等搜索模板的編碼算法在峰值信噪比上平均提升1dB,同時降低約20%的計算復雜度。低復雜度的快速視頻編碼優(yōu)化算法能夠提升視頻跟蹤系統(tǒng)實時性。其次,本文針對視頻中出現(xiàn)的遮擋、干擾以及復雜背景等問題,提出了一種基于情景感知的視頻跟蹤算法。在此算法中,本文創(chuàng)新性的提出了兩個關于跟蹤目標的關鍵特征,即像素塊分裂系數(shù)和像素塊關系變化系數(shù)(BRC)。本算法首先將要跟蹤的目標區(qū)域進行分塊處理,根據(jù)像素塊的尺寸大小確定此像素塊的分裂系數(shù),建立目標區(qū)域內像素塊的分裂系數(shù)集合mapblock。之后計算每個像素塊與其周圍像素塊之間特征關系的變化系數(shù)(BRC),并建立關于像素塊關系變化系數(shù)的集合mapBRC。將建立起的兩個特征集合輸入進粒子濾波框架,對視頻中的情景內容進行分析并分配粒子權重,根據(jù)粒子權重確定和目標區(qū)域最匹配的候選區(qū)域,以實現(xiàn)視頻跟蹤的目的。在本算法中,像素塊分裂系數(shù)能夠對復雜背景進行有效描述,像素塊關系變化系數(shù)則能夠對遮擋區(qū)域的特征進行表示。實驗結果顯示,在含有遮擋現(xiàn)象的標準測試視頻"Caviar"、"Occlusion"以及"women"中,傳統(tǒng)的粒子濾波跟蹤算法的準確度在70%左右,而本算法的跟蹤準確度在90%以上,表現(xiàn)出較強的準確性和魯棒性。最后本文針對現(xiàn)實生活中視頻跟蹤技術的應用,設計并實現(xiàn)了一套多場景多目標的視頻跟蹤系統(tǒng)。本文設計的系統(tǒng)能夠針對多個攝像頭采集的多個場景,并對這些場景中出現(xiàn)的多個目標同時進行跟蹤。該系統(tǒng)分為訓練、識別和跟蹤三個階段,通過這三個階段來提取和分析目標的綜合特征,實現(xiàn)高效實時的跟蹤。能夠推動現(xiàn)實中智能交通、數(shù)字城市、智能監(jiān)控等方面的實現(xiàn),此項研究在理論和實際應用中具有重要意義。
【關鍵詞】：視頻跟蹤 情景感知 視頻編碼 粒子濾波
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN948.6;TP391.41
【目錄】：

• 摘要10-12
• ABSTRACT12-14
• 符號說明14-15
• 第一章 緒論15-21
• 1.1 研究背景及意義15-16
• 1.2 國內外研究現(xiàn)狀16-17
• 1.3 本文研究難點及創(chuàng)新點17-19
• 1.3.1 研究難點17-18
• 1.3.2 創(chuàng)新點18-19
• 1.4 本文研究內容及章節(jié)安排19-21
• 第二章 相關技術及理論研究21-27
• 2.1 視頻編碼理論基礎21-24
• 2.1.1 視頻編碼概述及發(fā)展21-22
• 2.1.2 視頻編碼國際標準22
• 2.1.3 視頻編碼系統(tǒng)組成22-24
• 2.2 智能視頻跟蹤技術24-26
• 2.2.1 基于對比度分析的跟蹤算法24
• 2.2.2 基于運動檢測的跟蹤算法24-25
• 2.2.3 基于特征匹配的跟蹤算法25-26
• 2.3 本章小結26-27
• 第三章 高清視頻中編碼優(yōu)化算法的設計與實現(xiàn)27-43
• 3.1 HEVC視頻編碼框架介紹27-28
• 3.2 視頻編碼幀間預測技術28-30
• 3.3 運動估計技術及塊匹配搜索算法30-32
• 3.4 基于情景的運動估計優(yōu)化算法的設計與實現(xiàn)32-41
• 3.4.1 DCDS算法的設計與實現(xiàn)33-38
• 3.4.2 實驗結果38-41
• 3.5 本章小結41-43
• 第四章 基于情景感知的視頻跟蹤算法的設計與實現(xiàn)43-57
• 4.1 基于粒子濾波的分塊跟蹤技術43-46
• 4.1.1 粒子濾波技術43-45
• 4.1.2 分塊匹配算法45-46
• 4.2 基于情景感知的目標關鍵特征提取46-51
• 4.2.1 像素塊關系變化系數(shù)BRC46-48
• 4.2.2 像素塊分裂系數(shù)48-51
• 4.3 基于情景感知的視頻跟蹤優(yōu)化算法設計方案51-53
• 4.4 實驗結果53-56
• 4.5 本章小結56-57
• 第五章 多場景多目標的視頻跟蹤系統(tǒng)設計與實現(xiàn)57-67
• 5.1 系統(tǒng)設計背景及要求57-58
• 5.2 特征提取及匹配技術58-62
• 5.2.1 顏色直方圖58
• 5.2.2 哈希編碼58-60
• 5.2.3 稀疏相似性表示60-62
• 5.3 多場景多目標視頻跟蹤系統(tǒng)的設計與實現(xiàn)62-64
• 5.3.1 訓練階段62
• 5.3.2 識別階段62-63
• 5.3.3 跟蹤階段63-64
• 5.4 實驗結果64-66
• 5.5 本章小結66-67
• 第六章 總結與展望67-70
• 6.1 全文工作總結67-68
• 6.2 下一步工作展望68-70
• 參考文獻70-75
• 致謝75-76
• 攻讀學位期間的科研成果和參加的項目76-78
• 附件78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃立新;張明謙;;視頻跟蹤系統(tǒng)模型研究[J];艦船科學技術;2006年S1期

2 趙孔新;李金岳;許蘭;;視頻跟蹤系統(tǒng)中雙運動目標間的角度測量[J];雷達科學與技術;2007年06期

3 謝方方;楊文飛;韓月霞;崔靜;于越;;基于System Generator的快速視頻跟蹤系統(tǒng)設計[J];計算機技術與發(fā)展;2013年01期

4 龍再浩,朱永平,陳惠紅,周連芳;視頻跟蹤-計算機自動分析的小鼠條件性位置偏愛實驗系統(tǒng)的構建[J];浙江大學學報(醫(yī)學版);2004年06期

5 胡宏宇;王殿海;孫迪;;基于視頻跟蹤方法的行人過街狀態(tài)表達與分析[J];交通信息與安全;2009年03期

6 吳海城;陸松年;;多目標視頻跟蹤技術的研究[J];信息技術;2009年07期

7 吳諾;;視頻跟蹤算法在安防輔助定位中的應用[J];數(shù)字技術與應用;2011年05期

8 夏瑜;吳小俊;;球粒子濾波視頻跟蹤算法[J];模式識別與人工智能;2012年03期

9 劉先志,戴軍,宋凌英;電視紅外視頻跟蹤模塊[J];光學與光電技術;2004年06期

10 金剛石;呂宏宇;劉立志;;基于坐標變換的視頻跟蹤誤差角的計算方法[J];激光與紅外;2011年04期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 王立琦;陳海云;燕小強;;一種改進的粒子濾波視頻跟蹤算法[A];第13屆中國系統(tǒng)仿真技術及其應用學術年會論文集[C];2011年

2 茹琦;彭志紅;張娟;陳遜;;基于SB/MHT的多目標視頻跟蹤的研究[A];第二十九屆中國控制會議論文集[C];2010年

3 趙宇宙;朱明清;陳宗海;;視頻跟蹤中的局部區(qū)域差異性特征模型研究[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

4 仝明磊;韓紅;;隨機字典的粒子濾波視頻跟蹤[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【oral】[C];2011年

5 王松浩;王大珊;;基于一種改進視頻跟蹤算法的交通參數(shù)提取方法研究[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 郭練;周凱;劉富強;;全程視頻跟蹤在智能建筑內的應用[A];第二屆和諧人機環(huán)境聯(lián)合學術會議(HHME2006)——第15屆中國多媒體學術會議(NCMT'06)論文集[C];2006年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 崔光民;基于多攝像機的智能視頻跟蹤研究[D];華中科技大學;2015年

2 劉鎮(zhèn)_";面向視頻跟蹤系統(tǒng)的關鍵算法和動態(tài)可重構硬件架構研究[D];西安電子科技大學;2014年

3 韓華;基于改進粒子濾波算法的多目標智能視頻跟蹤研究[D];東華大學;2012年

4 周毅;圖像監(jiān)控中的視頻跟蹤方法的研究[D];上海交通大學;2012年

5 張燦龍;基于多區(qū)域聯(lián)合決策的視頻跟蹤方法研究[D];上海交通大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 宋平;基于粒子濾波的目標跟蹤的算法研究[D];遼寧大學;2015年

2 陳龍;基于DM642視頻跟蹤的無人機群控單元研究[D];南京理工大學;2015年

3 代兵云;基于角點和surf特征的目標尺度自適應研究[D];山東大學;2015年

4 賈龍飛;視頻流中人臉實時跟蹤[D];電子科技大學;2014年

5 馮亮;機器視覺技術的視頻跟蹤系統(tǒng)研究及FPGA實現(xiàn)[D];貴州大學;2015年

6 金瑋;基于潛在子空間投影追蹤的魯棒視頻跟蹤方法[D];大連理工大學;2015年

7 王曉敏;智能交通中視頻跟蹤技術的研究[D];天津職業(yè)技術師范大學;2016年

8 蘆丹;基于局部表示的視頻跟蹤算法研究[D];太原科技大學;2015年

9 孫彬;基于編碼優(yōu)化及情景感知的智能視頻跟蹤算法研究[D];山東大學;2016年

10 冀愛民;基于視頻跟蹤的條煙擁堵檢測[D];西安電子科技大學;2011年

，

本文編號：852876