視頻中的稀疏多目標(biāo)跟蹤和軌跡異常檢測研究.pdf

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

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

3、出一個稀疏的多目標(biāo)跟蹤系統(tǒng)框架。該框架重點是將單目標(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，對合并的目標(biāo)加窗且引入雙三次插值算法對初始化的目標(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)的計算復(fù)雜度高和小目標(biāo)的不能正常初始化問題。對于關(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，不僅能夠降低機動目標(biāo)的觀測噪聲，還能

4、在間隔跟丟時準(zhǔn)確地預(yù)測目標(biāo)的位置。
　　3.在基于軌跡的異常檢測階段，本文提出一個基于時間分割的多特征表示的軌跡異常檢測方法。首先提出一種新的軌跡特征表示方法，該方法由六個特征空間組成:1）軌跡的方向和長度，2）軌跡的平均位置，3）初始位置、軌跡分割片段的時間長度、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)督型的支持向量機分類算法來對軌跡特征集進(jìn)行訓(xùn)練、檢