基于視頻的復(fù)雜場景下多目標跟蹤關(guān)鍵技術(shù)研究.pdf

1、基于視頻的多目標跟蹤是計算機視覺領(lǐng)域中的一個核心問題，在智能交通、智慧城市、虛擬現(xiàn)實、運動事件分析等領(lǐng)域有著極其重要的意義。在復(fù)雜場景下進行多目標跟蹤時，檢測和數(shù)據(jù)關(guān)聯(lián)是兩個非常重要的步驟，由于場景中可能出現(xiàn)多個目標相互遮擋，檢測結(jié)果會出現(xiàn)誤檢和漏檢的情況，如果檢測結(jié)果誤差較大，此時通過數(shù)據(jù)關(guān)聯(lián)得到的結(jié)果也會出現(xiàn)較大的誤差。因此，本文對多目標跟蹤中的目標檢測方法和數(shù)據(jù)關(guān)聯(lián)方法進行了重點研究，具體工作如下：
　　為了得到準確的目標位

2、置信息，本文研究了一種可靠的多目標分層檢測算法。首先提出了一種基于半色調(diào)二值特征和結(jié)構(gòu)化輸出支持向量機的快速目標區(qū)域預(yù)測算法，用于預(yù)測每個目標在當前幀可能的目標區(qū)域；在此基礎(chǔ)上進行上層檢測，即將預(yù)測得到的目標區(qū)域與VIBE檢測算法提取的前景區(qū)域相結(jié)合，提取出感興趣的目標區(qū)域。上層檢測一方面不僅可以彌補由于VIBE算法不能檢測一段時間靜止的目標而發(fā)生的漏檢，另一方面，還為下層檢測大大縮小的檢測區(qū)域范圍，從而加快下層檢測的速度。接下來在提取

3、的感興趣區(qū)域上進行下層檢測，首先采用DPM檢測算法得到可能的目標位置，再與預(yù)測的目標區(qū)域進行融合，得到所有目標可靠的位置信息。實驗表明，本文的分層檢測方法有效克服了漏檢和誤檢，提高了檢測精度。
　　為了保證目標坐標關(guān)聯(lián)的可靠性，本文采用基于分層數(shù)據(jù)關(guān)聯(lián)的多目標跟蹤方法，首先提出一種低層關(guān)聯(lián)方法，對短時間內(nèi)的目標坐標進行關(guān)聯(lián)，生成較短的軌跡片段；然后研究了一種基于多特征融合的目標外觀表示，并為每個目標建立特征池；并在此基礎(chǔ)上采用基于