本文關(guān)鍵詞：基于多攝像機(jī)的智能視頻跟蹤研究，由筆耕文化傳播整理發(fā)布。

【摘要】：智能視頻處理是計(jì)算機(jī)視覺技術(shù)的一個(gè)重要的應(yīng)用領(lǐng)域。其中,目標(biāo)跟蹤與識(shí)別是智能視頻處理領(lǐng)域一個(gè)重要的研究課題,是一項(xiàng)需要多學(xué)科理論的前沿研究主題。由于智能視頻跟蹤的廣闊應(yīng)用前景,目標(biāo)跟蹤成為了計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn),并引起了國(guó)內(nèi)外學(xué)者的高度關(guān)注。目標(biāo)跟蹤的主要研究?jī)?nèi)容是如何從序列視頻圖像中更準(zhǔn)確地估計(jì)出來目標(biāo)的運(yùn)動(dòng)狀態(tài)或運(yùn)動(dòng)軌跡。近年來,計(jì)算機(jī)技術(shù)的飛速發(fā)展在很大程度上提高了大規(guī)模計(jì)算的速度,這使得用于解決視頻跟蹤問題的數(shù)學(xué)理論得到了實(shí)際的應(yīng)用,接著使得智能視頻跟蹤技術(shù)得到了更為廣泛的應(yīng)用。 均值漂移算法和粒子濾波算法作為無參密度估計(jì)方法能較好地處理視頻跟蹤領(lǐng)域的問題,因此被越來越多的應(yīng)用于視頻跟蹤領(lǐng)域。但由于視頻本身的特點(diǎn)及上述跟蹤算法自身的缺陷的影響,還存在需要許多研究的問題,例如特征描述、均值漂移算法的收斂性、粒子濾波算法中的相似性度量、粒子枯竭、兩個(gè)算法的相結(jié)合等的問題。針對(duì)這些難題,論文主要做了以下幾個(gè)方面的研究： 從特征描述的角度出發(fā)分析了基于空間直方圖的跟蹤算法,并發(fā)現(xiàn)空間直方圖存在有時(shí)候不能準(zhǔn)確地描述特征的問題,即不能辨別單峰坐標(biāo)分布和多峰坐標(biāo)分布之間的差異。本文將周長(zhǎng)特征融入到空間直方圖里面以增加了視覺特征描述的幾何性,使得特征描述辨別性能在準(zhǔn)確性和魯棒性方面確實(shí)較空間直方圖有很大的提高。 從自動(dòng)控制理論的角度出發(fā),通過對(duì)均值漂移算法的收斂過程分析,發(fā)現(xiàn)了均值漂移算法的收斂對(duì)特征描述非常敏感。為了增加目標(biāo)跟蹤的準(zhǔn)確性和魯棒性,提出了特征的混合控制方法,接著提出了基于特征混合控制方法的均值漂移算法。然后,通過實(shí)驗(yàn)對(duì)比驗(yàn)證了本文提出的算法在準(zhǔn)確性和魯棒性方面較基于單獨(dú)特征的算法占有優(yōu)勢(shì)。 從粒子濾波中相似度計(jì)算的角度上,通過對(duì)交叉bin(cross-bin)方法的定義域特性與值域特性的分析,發(fā)現(xiàn)了增加巴氏相似度(Incremental Bhattacharyya Dissimilarity-IBD)計(jì)算的不穩(wěn)定性。由運(yùn)輸問題的解釋啟發(fā)提出了一種AISM(Asymmetric Incre-mental Similarity Matrix)的歸一化方法與非對(duì)稱增加巴氏相似度(Asymmetric Incre-mental Bhattacharyya Dissimilarity-AIBS)。AIBS采用bin混合矩陣(bin-mixing matrix),因此能夠保證bin之間的互動(dòng)。在計(jì)算相似度時(shí),AIBS對(duì)空間特征矩陣不需要任何對(duì)稱性。然后,通過與一些其他方法比較,證明了一些本文所提出的改進(jìn)方法的有效性。 從粒子濾波算法的視頻跟蹤理論的角度出發(fā),為了提高跟蹤的準(zhǔn)確性并增加粒子的多樣性,在粒子濾波算法中采用權(quán)重的非線性變換和擴(kuò)散重采樣。權(quán)重的非線性變換用于提高跟蹤的準(zhǔn)確性,擴(kuò)散重采樣用于增加粒子的多樣性。通過實(shí)驗(yàn)對(duì)比驗(yàn)證了本文提出的算法在準(zhǔn)確性和魯棒性方面較標(biāo)準(zhǔn)粒子濾波算法有很大的改進(jìn)。 在均值漂移算法與粒子濾波算法結(jié)合系統(tǒng)中,分析了所有粒子的可控性,發(fā)現(xiàn)了基于病態(tài)粒子消除的跟蹤方法存在的問題。然后,為了控制所有粒子的收斂過程,提出了基于條件數(shù)的粒子狀態(tài)控制方法,并且為了得到靠近于全局極值附近的估計(jì)結(jié)果,提出了基于重采樣-調(diào)整算法。最后,通過實(shí)驗(yàn)對(duì)比驗(yàn)證了本文提出的算法在準(zhǔn)確性和魯棒性方面較病態(tài)粒子消除方法有很大的提高。 多攝像跟蹤過程中的一個(gè)關(guān)鍵步驟就是不同攝像頭間人的再匹配問題。再識(shí)別可以在活動(dòng)分析與事件識(shí)別或場(chǎng)景分析中發(fā)揮一定的作用。然而由于光照、遮擋、姿勢(shì)變化等的影響,使得再識(shí)別準(zhǔn)確性很低。為了解決這些問題,使用交叉識(shí)別特征可靠地估計(jì)出顯著性的概率分布。估計(jì)出來的交叉識(shí)別特征對(duì)不相交的攝像頭問題較魯棒,而且在識(shí)別領(lǐng)域用它作為有意義的人體特征描述子。而且,將識(shí)別定義為交叉識(shí)別特征匹配問題,提出一種交叉識(shí)別特征的雙向匹配方法。除此之外,使用基于背景差與特征檢測(cè)相結(jié)合的多目標(biāo)跟蹤算法獲取匹配對(duì)象。
【關(guān)鍵詞】：目標(biāo)跟蹤 均值漂移算法 粒子濾波 幾何直方圖 混合梯度下降法 非對(duì)稱增加巴氏相似度 樣條重采樣 粒子狀態(tài)控制 交叉識(shí)別特征
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-19
• 1.1 背景與需求10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-14
• 1.3 存在的問題14-15
• 1.4 研究?jī)?nèi)容與成果15-17
• 1.5 論文組織結(jié)構(gòu)17-19
• 2 相關(guān)理論分析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 粒子濾波算法26-27
• 2.6 單目跟蹤27-33
• 2.7 多目跟蹤33-36
• 3 基于幾何直方圖均值漂移算法的單目跟蹤方法36-55
• 3.1 引言36
• 3.2 基于幾何直方圖的特征描述36-41
• 3.3 基于幾何直方圖的均值漂移算法41-43
• 3.4 基于幾何直方圖均值漂移算法的單目跟蹤算法43-45
• 3.5 實(shí)驗(yàn)與分析45-53
• 3.6 本章小結(jié)53-55
• 4 基于AIBS與樣條重采樣粒子濾波的單目跟蹤方法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的樣條重采樣粒子濾波算法62-68
• 4.4 基于樣條重采樣粒子濾波的單目跟蹤算法68-70
• 4.5 實(shí)驗(yàn)對(duì)比與分析70-82
• 4.6 本章小結(jié)82-84
• 5 基于粒子狀態(tài)控制的混合單目跟蹤方法84-93
• 5.1 引言84-85
• 5.2 基于粒子狀態(tài)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單目跟蹤算法87-89
• 5.4 實(shí)驗(yàn)數(shù)據(jù)與分析89-92
• 5.5 本章小結(jié)92-93
• 6 基于交叉識(shí)別特征與雙向匹配的多目跟蹤93-107
• 6.1 引言93-94
• 6.2 計(jì)算交叉識(shí)別特征94-96
• 6.3 交叉識(shí)別特征的雙向匹配及多目跟蹤96-100
• 6.4 實(shí)驗(yàn)結(jié)果與比較100-105
• 6.5 本章小結(jié)105-107
• 7 基于多攝像機(jī)的智能視頻跟蹤系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)107-118
• 7.1 引言107
• 7.2 跟蹤系統(tǒng)設(shè)計(jì)107-114
• 7.3 實(shí)驗(yàn)結(jié)果與分析114-117
• 7.4 本章小結(jié)117-118
• 8 總結(jié)與展望118-122
• 8.1 本文研究總結(jié)與創(chuàng)新點(diǎn)118-120
• 8.2 未來的工作及展望120-122
• 致謝122-123
• 參考文獻(xiàn)123-131
• 附錄1 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文131-133
• 附錄2 公開發(fā)表的學(xué)術(shù)論文與學(xué)位論文的關(guān)系133

【相似文獻(xiàn)】

中國(guó)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(xué)技術(shù);2006年S1期

2 趙孔新;李金岳;許蘭;;視頻跟蹤系統(tǒng)中雙運(yùn)動(dòng)目標(biāo)間的角度測(cè)量[J];雷達(dá)科學(xué)與技術(shù);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(shè)計(jì)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年01期

4 龍?jiān)俸?朱永平,陳惠紅,周連芳;視頻跟蹤-計(jì)算機(jī)自動(dòng)分析的小鼠條件性位置偏愛實(shí)驗(yàn)系統(tǒng)的構(gòu)建[J];浙江大學(xué)學(xué)報(bào)(醫(yī)學(xué)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(dá)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(biāo)視頻跟蹤技術(shù)的研究[J];信息技術(shù);2009年07期

7 吳諾;;視頻跟蹤算法在安防輔助定位中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)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(shí)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(xué)與光電技術(shù);2004年06期

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

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前6條

1 王立琦;陳海云;燕小強(qiáng);;一種改進(jìn)的粒子濾波視頻跟蹤算法[A];第13屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

2 茹琦;彭志紅;張娟;陳遜;;基于SB/MHT的多目標(biāo)視頻跟蹤的研究[A];第二十九屆中國(guó)控制會(huì)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(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

4 仝明磊;韓紅;;隨機(jī)字典的粒子濾波視頻跟蹤[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

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

6 郭練;周凱;劉富強(qiáng);;全程視頻跟蹤在智能建筑內(nèi)的應(yīng)用[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 崔光民;基于多攝像機(jī)的智能視頻跟蹤研究[D];華中科技大學(xué);2015年

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

3 韓華;基于改進(jìn)粒子濾波算法的多目標(biāo)智能視頻跟蹤研究[D];東華大學(xué);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(xué);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(xué);2014年

中國(guó)碩士學(xué)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(biāo)跟蹤的算法研究[D];遼寧大學(xué);2015年

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

3 代兵云;基于角點(diǎn)和surf特征的目標(biāo)尺度自適應(yīng)研究[D];山東大學(xué);2015年

4 賈龍飛;視頻流中人臉實(shí)時(shí)跟蹤[D];電子科技大學(xué);2014年

5 馮亮;機(jī)器視覺技術(shù)的視頻跟蹤系統(tǒng)研究及FPGA實(shí)現(xiàn)[D];貴州大學(xué);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(xué);2015年

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

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

9 李志剛;視頻跟蹤測(cè)試平臺(tái)的電子學(xué)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2015年

10 羅瑞;序列蒙特卡羅粒子濾波及其在視頻跟蹤中的應(yīng)用[D];西安電子科技大學(xué);2009年

  本文關(guān)鍵詞：基于多攝像機(jī)的智能視頻跟蹤研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：354310