軌跡聚類與基于高斯過程回歸模型的軌跡識別算法研究.pdf

1、為了保障生命財產(chǎn)安全、監(jiān)控異常動態(tài),安全監(jiān)控系統(tǒng)在生活中日漸普及。而隨著視頻數(shù)據(jù)的累積和信息爆發(fā)式的增長,人工視頻信息分析已無法滿足安全監(jiān)控的需求,自動化視頻信息的需求越發(fā)迫切、要求越發(fā)多樣化。近年來,關(guān)于視頻內(nèi)容分析的研究不斷推陳出新,在視頻特征提取、識別、分析注釋等方面涌現(xiàn)出大量的研究成果,安全監(jiān)控系統(tǒng)視頻內(nèi)容分析方面的研究尤為突出。
　　本文的目的是在安全監(jiān)控系統(tǒng)中找到所有包含同一條運動軌跡的視頻片段,這些視頻片段可能從各種

2、不同的角度在不同的時間跨度內(nèi)拍攝到該運動軌跡的不同部分,而這些多角度的視頻片段能提供更多有價值的信息。為實現(xiàn)此類視頻片段的自動化搜尋,本文提出一個算法框架,包括三部分內(nèi)容:運動軌跡三維還原、運動軌跡聚類以及運動軌跡識別。在運動軌跡三維還原中,根據(jù)計算機幾何學(xué)原理運用已知對應(yīng)點的位置信息建立三維空間平面到視頻畫面平面的投影關(guān)系,進而逆向還原視頻中提取的運動軌跡,使得實際三維空間中的相似軌跡得以有效聚類。在建立平面間投影關(guān)系的仿真實驗過程中

3、,采用不同像素的視頻畫面分別與實際空間平面建立投影關(guān)系,分析視頻像素等客觀因素對軌跡三維還原的影響。在運動軌跡聚類部分,首先針對安全監(jiān)控視頻中可能存在的外部噪聲和軌跡提取過程中產(chǎn)生的誤差,對運動軌跡進行去噪處理;然后將時間跨度不同、長短不一的運動軌跡按照最長連續(xù)點序列距離度量方法以及改進的k-means聚類算法進行自動聚類。運動軌跡識別部分對待識別軌跡建立高斯過程回歸模型,對待識別軌跡中的每個點建立x、y軸兩個方向的速度值高斯過程回歸模