本文關(guān)鍵詞：智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：智能視頻監(jiān)控是近年來計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn),其核心目的是在圖像處理、模式識(shí)別和人工智能等技術(shù)有效結(jié)合的基礎(chǔ)上,利用計(jì)算機(jī)對(duì)所獲取的圖像數(shù)據(jù)進(jìn)行自主的、逐層分步的計(jì)算與分析,實(shí)現(xiàn)對(duì)監(jiān)控場(chǎng)景所蘊(yùn)含的有效信息的感知、分析與理解。其研究成果已廣泛應(yīng)用于智能安防、智能交通、智能旅游、智慧城市及物聯(lián)網(wǎng)建設(shè)等諸多領(lǐng)域,產(chǎn)生了巨大的社會(huì)經(jīng)濟(jì)效益。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)是智能視頻監(jiān)控領(lǐng)域的核心基礎(chǔ)與關(guān)鍵技術(shù),盡管近年來針對(duì)這一技術(shù)的研究已經(jīng)取得了巨太的進(jìn)展,然而在各種復(fù)雜場(chǎng)景的條件下,仍然存在著算法準(zhǔn)確性、魯棒性及實(shí)時(shí)性不能完全滿足應(yīng)用需要的更深層次的技術(shù)挑戰(zhàn)。本文在現(xiàn)有研究成果的基礎(chǔ)上,以場(chǎng)景運(yùn)動(dòng)模式分析為出發(fā)點(diǎn),針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤中的關(guān)鍵技術(shù)和難點(diǎn)問題展開更加深入的探索與研究,其主要工作概括如下：1)針對(duì)監(jiān)控場(chǎng)景局部區(qū)域運(yùn)動(dòng)規(guī)律的感知與表達(dá),提出一種基于網(wǎng)格劃分的有向場(chǎng)景運(yùn)動(dòng)模式的建模和更新方法。該方法利用正方形網(wǎng)格將監(jiān)控場(chǎng)景劃分為多個(gè)子區(qū)域,通過建立一種運(yùn)動(dòng)速率加權(quán)的光流方向直方圖,描述目標(biāo)在不同子區(qū)域產(chǎn)生不同方向運(yùn)動(dòng)行為的概率。依據(jù)提取的序列圖像中KLT角點(diǎn)特征,計(jì)算場(chǎng)景中的稀疏光流,再利用局部的光流信息采用線性插值算法對(duì)相應(yīng)子區(qū)域的方向直方圖進(jìn)行加權(quán)投票,從而實(shí)現(xiàn)對(duì)有向場(chǎng)景運(yùn)動(dòng)模式模型的在線更新。針對(duì)監(jiān)控相機(jī)與運(yùn)動(dòng)目標(biāo)的空間關(guān)系,算法還引入了區(qū)域相關(guān)的權(quán)值補(bǔ)償系數(shù),以消除由于觀測(cè)角度不同可能導(dǎo)致的投票失衡問題。通過實(shí)驗(yàn)分析證明,該算法能夠較為準(zhǔn)確地描述場(chǎng)景中局部區(qū)域的運(yùn)動(dòng)規(guī)律,并實(shí)現(xiàn)模型的快速在線更新。2)針對(duì)場(chǎng)景區(qū)域劃分與場(chǎng)景運(yùn)動(dòng)模式之間的關(guān)系,提出一種基于背景分割的有向場(chǎng)景運(yùn)動(dòng)模式建模方法。該方法首先采用混合高斯模型提取監(jiān)控場(chǎng)景的背景圖像。通過基于K-means聚類的SLIC超像素分割方法,將其劃分為多個(gè)與場(chǎng)景元素邊緣吻合的超像素子區(qū)域。針對(duì)每個(gè)子區(qū)域,構(gòu)建一種基于LK光流的速率方向二維直方圖模型,用以描述局部區(qū)域的場(chǎng)景運(yùn)動(dòng)模式。實(shí)驗(yàn)表明,該模型能夠利用數(shù)量較少的超像素子區(qū)域,更為有效地表達(dá)局部區(qū)域不同速率和方向的運(yùn)動(dòng)概率密度分布,在一定程度上克服了局部區(qū)域運(yùn)動(dòng)模式不一致的問題,提高了模型描述的準(zhǔn)確性,并滿足實(shí)時(shí)監(jiān)控系統(tǒng)的性能需求。3)針對(duì)場(chǎng)景布局元素與場(chǎng)景運(yùn)動(dòng)模式之間的關(guān)系,提出一種基于有向場(chǎng)景運(yùn)動(dòng)模式的局部場(chǎng)景理解方法。該方法根據(jù)場(chǎng)景布局元素對(duì)目標(biāo)運(yùn)動(dòng)的影響,將場(chǎng)景區(qū)域分為路徑區(qū)域、出入口區(qū)域、徘徊區(qū)域和一般區(qū)域等類別,通過場(chǎng)景運(yùn)動(dòng)模式模型對(duì)不同子區(qū)域進(jìn)行標(biāo)注。首先依據(jù)速率方向直方圖獲取超像素子區(qū)域的高速運(yùn)動(dòng)概率分布,進(jìn)而得到相鄰子區(qū)域的運(yùn)動(dòng)行為的角度相似性距離和頻率相似性距離,用以計(jì)算其運(yùn)動(dòng)轉(zhuǎn)移概率。通過由子區(qū)域的鄰接關(guān)系和運(yùn)動(dòng)轉(zhuǎn)移概率所建立的有向圖,將運(yùn)動(dòng)區(qū)域標(biāo)注問題轉(zhuǎn)化為對(duì)有向圖的最優(yōu)路徑搜索問題,從而實(shí)現(xiàn)對(duì)場(chǎng)景中主要運(yùn)動(dòng)路徑區(qū)域的標(biāo)注。其后,對(duì)運(yùn)動(dòng)路徑兩端的子區(qū)域使用DBSCAN密度聚類,以標(biāo)注不同的出入口子區(qū)域。最后,利用低速條件下不同方向運(yùn)動(dòng)概率的方差,來量化子區(qū)域的徘徊運(yùn)動(dòng)特性,實(shí)現(xiàn)對(duì)徘徊區(qū)域的標(biāo)注。實(shí)驗(yàn)分析表明,該方法能夠有效獲取場(chǎng)景中的主要路徑、出入口和徘徊區(qū)域,實(shí)現(xiàn)對(duì)局部場(chǎng)景的語(yǔ)義理解。4)針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與場(chǎng)景運(yùn)動(dòng)模式之間的關(guān)系,提出一種結(jié)合場(chǎng)景運(yùn)動(dòng)模式的并行級(jí)聯(lián)有向AdaBoost運(yùn)動(dòng)目標(biāo)檢測(cè)方法。該方法首先提出一種改進(jìn)的積分圖算法與積分直方圖算法,提取樣本中的Haar-like特征與方向梯度直方圖特征,用以描述目標(biāo)圖像的顏色與邊緣特性;其后針對(duì)場(chǎng)景運(yùn)動(dòng)模式模型的不同方向簇,基于Cascade級(jí)聯(lián)學(xué)習(xí)算法,對(duì)多個(gè)Gentle AdaBoost子分類器進(jìn)行訓(xùn)練；最后利用局部場(chǎng)景運(yùn)動(dòng)模式作為檢測(cè)先驗(yàn),通過速率方向直方圖對(duì)區(qū)域運(yùn)動(dòng)的概率描述,并行地融合多個(gè)子分類器,形成對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果的最終決策。實(shí)驗(yàn)表明,這種目標(biāo)檢測(cè)方法能夠有效提高AdaBoost目標(biāo)檢測(cè)算法的分類性能,明顯地改善目標(biāo)檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。5)針對(duì)運(yùn)動(dòng)目標(biāo)跟蹤與場(chǎng)景運(yùn)動(dòng)模式之間的關(guān)系,提出一種結(jié)合在線場(chǎng)景運(yùn)動(dòng)模式模型的粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法。該方法首先采用通道加權(quán)的HSV空間顏色直方圖描述運(yùn)動(dòng)目標(biāo)特性,通過定義色調(diào)通道的循環(huán)相關(guān)矩陣以消除光照變化造成的目標(biāo)色調(diào)分布平移問題。其次,使用場(chǎng)景運(yùn)動(dòng)模式模型對(duì)粒子的似然概率進(jìn)行修正,加快其向目標(biāo)真實(shí)狀態(tài)收斂的速度,并采用MCMC重采樣算法以克服粒子濾波的樣本退化和樣本枯竭問題。為實(shí)現(xiàn)場(chǎng)景運(yùn)動(dòng)模式的在線學(xué)習(xí),本文還提出一種基于凸多邊形掃描線種子填充的遍歷算法,實(shí)現(xiàn)對(duì)目標(biāo)運(yùn)動(dòng)覆蓋的場(chǎng)景子區(qū)域的快速枚舉。通過對(duì)兩個(gè)不同特點(diǎn)的公共數(shù)據(jù)集視頻進(jìn)行目標(biāo)跟蹤實(shí)驗(yàn),表明了該目標(biāo)跟蹤算法的平均跟蹤誤差明顯低于標(biāo)準(zhǔn)的粒子濾波跟蹤算法,能夠明顯改善粒子濾波跟蹤算法的跟蹤精度。
【關(guān)鍵詞】：智能視頻監(jiān)控 運(yùn)動(dòng)目標(biāo)檢測(cè) 運(yùn)動(dòng)目標(biāo)跟蹤 場(chǎng)景運(yùn)動(dòng)模式
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;TN948.6
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 縮略語(yǔ)對(duì)照表13-18
• 第一章 緒論18-36
• 1.1 研究背景和意義18-24
• 1.1.1 智能視頻監(jiān)控技術(shù)的動(dòng)力和發(fā)展前景18-19
• 1.1.2 智能視頻監(jiān)控技術(shù)的應(yīng)用19-21
• 1.1.3 智能視頻監(jiān)控的研究方向和內(nèi)容21-24
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀24-27
• 1.3 技術(shù)難點(diǎn)與研究思路27-32
• 1.4 主要工作與章節(jié)安排32-36
• 1.4.1 主要工作32-33
• 1.4.2 論文章節(jié)安排33-36
• 第二章 基礎(chǔ)理論與關(guān)鍵技術(shù)36-58
• 2.1 目標(biāo)特征提取36-41
• 2.2 運(yùn)動(dòng)目標(biāo)檢測(cè)41-46
• 2.2.1 基于圖像差分的運(yùn)動(dòng)目標(biāo)檢測(cè)41-44
• 2.2.2 基于特征分類的運(yùn)動(dòng)目標(biāo)檢測(cè)44-46
• 2.3 運(yùn)動(dòng)目標(biāo)跟蹤46-51
• 2.3.1 自底而上的運(yùn)動(dòng)目標(biāo)跟蹤46-49
• 2.3.2 自頂向下的運(yùn)動(dòng)目標(biāo)跟蹤49-51
• 2.4 場(chǎng)景運(yùn)動(dòng)模式分析51-54
• 2.5 公共實(shí)驗(yàn)數(shù)據(jù)集54-56
• 2.6 本章小結(jié)56-58
• 第三章 場(chǎng)景運(yùn)動(dòng)模式建模及場(chǎng)景理解58-88
• 3.1 基于網(wǎng)格劃分的有向場(chǎng)景運(yùn)動(dòng)模式模型58-65
• 3.1.1 Lucas-Kanade光流59-61
• 3.1.2 速率加權(quán)方向直方圖模型61-62
• 3.1.3 投票權(quán)值補(bǔ)償62-64
• 3.1.4 算法實(shí)現(xiàn)64-65
• 3.2 基于圖像分割的有向場(chǎng)景運(yùn)動(dòng)模式模型65-72
• 3.2.1 混合高斯背景模型66-68
• 3.2.2 超像素場(chǎng)景劃分68-70
• 3.2.3 速率方向直方圖模型70-71
• 3.2.4 算法實(shí)現(xiàn)71-72
• 3.3 基于有向場(chǎng)景運(yùn)動(dòng)模式的局部場(chǎng)景理解72-78
• 3.3.1 運(yùn)動(dòng)路徑提取73-75
• 3.3.2 出入口區(qū)域標(biāo)記75-77
• 3.3.3 徘徊區(qū)域標(biāo)記77-78
• 3.4 實(shí)驗(yàn)與結(jié)果分析78-85
• 3.5 本章小結(jié)85-88
• 第四章 基于場(chǎng)景運(yùn)動(dòng)模式的運(yùn)動(dòng)目標(biāo)檢測(cè)88-108
• 4.1 AdaBoost學(xué)習(xí)模型89-94
• 4.1.1 集成學(xué)習(xí)概述89-90
• 4.1.2 AdaBoost訓(xùn)練過程90-92
• 4.1.3 Gentle AdaBoost分類學(xué)習(xí)模型92-94
• 4.2 基于場(chǎng)景運(yùn)動(dòng)模式的有向級(jí)聯(lián)AdaBoost目標(biāo)檢測(cè)94-102
• 4.2.1 特征計(jì)算95-98
• 4.2.2 有向級(jí)聯(lián)子分類器構(gòu)造98-100
• 4.2.3 并行級(jí)聯(lián)分類100-102
• 4.3 實(shí)驗(yàn)結(jié)果與分析102-106
• 4.4 本章小結(jié)106-108
• 第五章 結(jié)合場(chǎng)景運(yùn)動(dòng)模式的目標(biāo)跟蹤方法研究108-126
• 5.1 模型驅(qū)動(dòng)的目標(biāo)跟蹤框架108-114
• 5.1.1 卡爾曼濾波理論109-111
• 5.1.2 貝葉斯估計(jì)與序貫蒙特卡羅積分111-112
• 5.1.3 粒子濾波理論112-114
• 5.2 結(jié)合在線有向場(chǎng)景運(yùn)動(dòng)模式的MCMC粒子濾波目標(biāo)跟蹤方法114-121
• 5.2.1 狀態(tài)空間與特征選取115-116
• 5.2.2 MCMC重采樣116-118
• 5.2.3 結(jié)合場(chǎng)景運(yùn)動(dòng)模式的似然計(jì)算118-119
• 5.2.4 在線模型更新119-121
• 5.3 實(shí)驗(yàn)與結(jié)果分析121-125
• 5.4 本章小結(jié)125-126
• 第六章 總結(jié)與展望126-130
• 6.1 論文工作總結(jié)126-127
• 6.2 本文主要?jiǎng)?chuàng)新點(diǎn)127-128
• 6.3 未來研究展望128-130
• 參考文獻(xiàn)130-142
• 致謝142-144
• 作者簡(jiǎn)介144-145

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉穎;廖桂生;李海;;動(dòng)目標(biāo)檢測(cè)、定位與成像方法研究[J];系統(tǒng)工程與電子技術(shù);2005年12期

2 李文明;;相干動(dòng)目標(biāo)檢測(cè)器中的正交雙通道不平衡效應(yīng)[J];現(xiàn)代雷達(dá);1988年01期

3 郭志芬,張玉蘭;圖象動(dòng)目標(biāo)檢測(cè)[J];北京理工大學(xué)學(xué)報(bào);1992年03期

4 鄭世超;宋紅軍;劉亞波;閆賀;吳琨;;廣域監(jiān)視動(dòng)目標(biāo)檢測(cè)模式下動(dòng)目標(biāo)快速定位誤差分析[J];雷達(dá)學(xué)報(bào);2013年04期

5 胡愛明;胡可欣;;一種基于優(yōu)化設(shè)計(jì)的動(dòng)目標(biāo)檢測(cè)方法及其運(yùn)用[J];航天電子對(duì)抗;2006年06期

6 胡可欣;胡愛明;;一種優(yōu)化設(shè)計(jì)的動(dòng)目標(biāo)檢測(cè)方法及其運(yùn)用[J];火控雷達(dá)技術(shù);2007年02期

7 劉書君;袁運(yùn)能;魏俊;毛士藝;;雙通道與單通道相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)新方法[J];信號(hào)處理;2008年03期

8 林文耀;覃亞麗;胡海容;;基于分?jǐn)?shù)傅立葉變換的機(jī)載SAR多運(yùn)動(dòng)目標(biāo)檢測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2009年01期

9 劉敬興;;地面探測(cè)脈沖壓縮雷達(dá)的動(dòng)目標(biāo)檢測(cè)[J];電子技術(shù)應(yīng)用;2010年01期

10 史洪印;;基于道路輔助的機(jī)載SAR動(dòng)目標(biāo)檢測(cè)和參數(shù)估計(jì)[J];燕山大學(xué)學(xué)報(bào);2012年05期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 王新勇;梁國(guó)龍;惠俊英;郭龍祥;;寬帶多頻動(dòng)目標(biāo)檢測(cè)的仿真研究[A];2001年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2001年

2 王磊;;雙置條件下運(yùn)動(dòng)目標(biāo)檢測(cè)方法[A];2008年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 祁亞斌;周軍紅;;基于二維最大熵的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

4 穆文爭(zhēng);張曉玲;;一種新的多通道SAR運(yùn)動(dòng)目標(biāo)檢測(cè)方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

5 王宏群;方帥;高明;;基于抑制光強(qiáng)變化影響的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

6 唐勇;張桂林;李利榮;;基于光流的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[A];全國(guó)冶金自動(dòng)化信息網(wǎng)年會(huì)論文集[C];2004年

7 郭銳;王建國(guó);;基于特征分解的多通道SAR運(yùn)動(dòng)目標(biāo)檢測(cè)[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

8 王睿;國(guó)智;王鳳宇;;利用動(dòng)態(tài)參數(shù)檢測(cè)紅外動(dòng)目標(biāo)的算法研究[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 許京偉;頻率分集陣列雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2015年

2 屈鑒銘;智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2015年

3 鄭明潔;合成孔徑雷達(dá)動(dòng)目標(biāo)檢測(cè)和成像研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2003年

4 危嵩;機(jī)載合成孔徑雷達(dá)動(dòng)目標(biāo)檢測(cè)與成像研究[D];華中科技大學(xué);2005年

5 王東升;視頻運(yùn)動(dòng)目標(biāo)檢測(cè)及其實(shí)時(shí)處理系統(tǒng)研究[D];電子科技大學(xué);2004年

6 寧蔚;機(jī)載/星載雷達(dá)地面動(dòng)目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2005年

7 潘翔;運(yùn)動(dòng)目標(biāo)檢測(cè)[D];浙江大學(xué);2003年

8 張立峰;動(dòng)目標(biāo)檢測(cè)、成像與參數(shù)估計(jì)方法研究[D];西安電子科技大學(xué);2013年

9 張?jiān)?高分辨SAR運(yùn)動(dòng)目標(biāo)檢測(cè)與成像若干技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

10 孟祥東;空時(shí)二維自適應(yīng)信號(hào)處理與動(dòng)目標(biāo)檢測(cè)[D];西安電子科技大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 夏斌偉;視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年

2 亓萌;雙基地SAR動(dòng)目標(biāo)檢測(cè)及成像研究[D];電子科技大學(xué);2015年

3 王龍;動(dòng)態(tài)場(chǎng)景建模與運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D];電子科技大學(xué);2014年

4 黃蒙;基于FPGA的雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)[D];西安電子科技大學(xué);2014年

5 羅一淳;SAR轉(zhuǎn)動(dòng)目標(biāo)檢測(cè)與參數(shù)估計(jì)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

6 柴國(guó)強(qiáng);機(jī)載SAR動(dòng)目標(biāo)檢測(cè)及參數(shù)估計(jì)技術(shù)研究[D];電子科技大學(xué);2014年

7 蘇靖峰;基于激光掃描的運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別[D];電子科技大學(xué);2014年

8 李春海;DBS成像與廣域地面動(dòng)目標(biāo)檢測(cè)、定位方法研究[D];西安電子科技大學(xué);2014年

9 宋琳;機(jī)載SAR地面動(dòng)目標(biāo)檢測(cè)和成像算法研究[D];哈爾濱工業(yè)大學(xué);2008年

10 薄蘭堯;機(jī)載合成孔徑雷達(dá)動(dòng)目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2006年

  本文關(guān)鍵詞：智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：256104