視頻中的稀疏多目標(biāo)跟蹤和軌跡異常檢測(cè)研究.pdf

1、隨著意外事故、犯罪和恐怖活動(dòng)的增加，公共安全顯得越來越重要。面對(duì)這些突發(fā)事件，智能視頻監(jiān)控系統(tǒng)能夠及時(shí)的給出預(yù)警信號(hào)或報(bào)警。與傳統(tǒng)的人工監(jiān)控?cái)z像頭相比，智能監(jiān)控系統(tǒng)能夠節(jié)省大量的人力、物力和財(cái)力，并且能夠更加高效的對(duì)這些合法的視頻監(jiān)控?cái)?shù)據(jù)實(shí)現(xiàn)自動(dòng)或者半自動(dòng)的解釋和分析處理。在智能監(jiān)控系統(tǒng)的研究中，視頻前景檢測(cè)、多目標(biāo)跟蹤和異常行為識(shí)別研究作為比較新的研究方向，已經(jīng)成為計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的研究熱點(diǎn)，它們的研究對(duì)于提高智能監(jiān)控系統(tǒng)的性

2、能具有非常重要的意義。
　　本文通過對(duì)視頻前景檢測(cè)、多目標(biāo)跟蹤和異常行為識(shí)別領(lǐng)域的算法分析，對(duì)智能監(jiān)控系統(tǒng)的開發(fā)進(jìn)行了深入的研究。主要完成以下幾個(gè)方面的工作:
　　1.歸納總結(jié)了前景檢測(cè)領(lǐng)域常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，并對(duì)常用的運(yùn)動(dòng)前景檢測(cè)方法進(jìn)行介紹，提出一個(gè)改進(jìn)的基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，大大提高了以往基于混合高斯模型的前景檢測(cè)的魯棒性和準(zhǔn)確性，其抗干擾能力顯著增強(qiáng)。
　　2.在跟蹤階段，針對(duì)單固定攝像頭，提

3、出一個(gè)稀疏的多目標(biāo)跟蹤系統(tǒng)框架。該框架重點(diǎn)是將單目標(biāo)跟蹤很好的TLD算法和關(guān)聯(lián)矩陣結(jié)合起來，有效解決多目標(biāo)跟蹤過程的合并遮擋問題。在目標(biāo)合并處理階段，對(duì)合并的目標(biāo)加窗且引入雙三次插值算法對(duì)初始化的目標(biāo)和所加窗口進(jìn)行同比例超分辨縮放。該操作能很好地解決大目標(biāo)的計(jì)算復(fù)雜度高和小目標(biāo)的不能正常初始化問題。對(duì)于關(guān)聯(lián)矩陣的一些特殊情況進(jìn)行特殊處理。最后在濾波階段，該框架用分?jǐn)?shù)階卡爾曼算法代替卡爾曼算法進(jìn)行濾波，不僅能夠降低機(jī)動(dòng)目標(biāo)的觀測(cè)噪聲，還能

4、在間隔跟丟時(shí)準(zhǔn)確地預(yù)測(cè)目標(biāo)的位置。
　　3.在基于軌跡的異常檢測(cè)階段，本文提出一個(gè)基于時(shí)間分割的多特征表示的軌跡異常檢測(cè)方法。首先提出一種新的軌跡特征表示方法，該方法由六個(gè)特征空間組成:1）軌跡的方向和長(zhǎng)度，2）軌跡的平均位置，3）初始位置、軌跡分割片段的時(shí)間長(zhǎng)度、分割片段的方向，4）分割片段序列的平均速度序列，5）分割片段序列的平均加速度序列，6）整條軌跡的最大加速度。接著利用監(jiān)督型的支持向量機(jī)分類算法來對(duì)軌跡特征集進(jìn)行訓(xùn)練、檢