多攝像機(jī)無重疊視域的行人跟蹤算法研究.pdf

1、隨著社會(huì)的發(fā)展，人們對(duì)安全的需求日益增長，使得視頻監(jiān)控系統(tǒng)遍布于社會(huì)生活的各種場合。在分布廣泛的攝像機(jī)監(jiān)控網(wǎng)絡(luò)中，試圖通過人工的方式識(shí)別可疑目標(biāo)并實(shí)現(xiàn)連續(xù)跟蹤顯得不切實(shí)際。在社會(huì)需求的推動(dòng)下，目標(biāo)跟蹤與交接技術(shù)不斷被人們研究。針對(duì)目標(biāo)跟蹤與交接存在的光照變化、目標(biāo)形變、遮擋等情況，大量的目標(biāo)跟蹤與交接方法被不同的學(xué)者提出。
　　在目標(biāo)跟蹤領(lǐng)域，基于在線提升的目標(biāo)跟蹤將跟蹤看成目標(biāo)和背景的分類問題，而基于相關(guān)濾波器的目標(biāo)跟蹤則利用相

2、關(guān)性實(shí)現(xiàn)目標(biāo)跟蹤，其中最小平方誤差和輸出濾波器(Minimum Output Sum of Squared Error Filter)與核相關(guān)濾波器(Kernelized Correlation Filter)是兩種典型的濾波器模型。
　　本文首先研究基于在線提升的目標(biāo)跟蹤以及基于MOSSE濾波器的目標(biāo)跟蹤，然后針對(duì)核相關(guān)濾波的缺陷提出改進(jìn)的方法。在MOSSE濾波器方面，原有的基于灰度模板的MOSSE濾波器被研究，然后將灰度特征改

3、為HOG特征，提出了基于HOG特征的MOSSE濾波器并實(shí)現(xiàn)目標(biāo)跟蹤。在核相關(guān)濾波(KCF)方面，其跟蹤性能受以下因素影響而變差:1)由于核相關(guān)濾波依賴樣本的循環(huán)性，而目標(biāo)形變、旋轉(zhuǎn)等將破壞循環(huán)性;2）當(dāng)目標(biāo)快速運(yùn)動(dòng)或發(fā)生遮擋時(shí)，實(shí)際跟蹤的目標(biāo)將不包含于循環(huán)移位構(gòu)成的候選目標(biāo)集合。本文針對(duì)上述因素，引入加權(quán)HSV直方圖重檢測策略，并應(yīng)用一種有效的尺度估計(jì)方法，改進(jìn)了原有的核相關(guān)濾波的跟蹤性能。最后，在公開的數(shù)據(jù)集OTB50和VOT2014

4、上測試了本文改進(jìn)方法的有效性。測試結(jié)果表明，本文改進(jìn)的方法在OPE、TRE和SRE上的評(píng)估結(jié)果均優(yōu)于原有的KCF目標(biāo)跟蹤方法。
　　在目標(biāo)交接領(lǐng)域，基于目標(biāo)外觀模型與基于目標(biāo)外觀模型和時(shí)空約束關(guān)系的混合模型的目標(biāo)交接是研究的重要方向。其中，基于目標(biāo)外觀模型的目標(biāo)交接又可稱為目標(biāo)再確認(rèn)。在實(shí)際環(huán)境中，大量的攝像機(jī)離散地分布于各種關(guān)鍵位置，但仍然存在諸多監(jiān)控盲區(qū)，即構(gòu)成無重疊視域。由于攝像機(jī)視域之外的區(qū)域往往范圍較大且場景復(fù)雜，時(shí)空約

5、束關(guān)系存在較大的不確定性。另外，不同監(jiān)控網(wǎng)絡(luò)的時(shí)空約束關(guān)系存在差異。因此，基于混合模型的目標(biāo)交接難以具備普適性。在基于目標(biāo)外觀模型的目標(biāo)交接中，通過學(xué)習(xí)目標(biāo)模型或度量函數(shù)的方法需要訓(xùn)練樣本同樣難以具備普適性。因此，本文研究目標(biāo)的特征描述來建立目標(biāo)模型并使用距離度量函數(shù)計(jì)算兩個(gè)目標(biāo)之間的距離來實(shí)現(xiàn)無重疊視域的攝像機(jī)之間的目標(biāo)交接，以實(shí)現(xiàn)目標(biāo)在監(jiān)控網(wǎng)絡(luò)范圍內(nèi)的連續(xù)跟蹤。在本文的研究中，對(duì)數(shù)空間直方圖、協(xié)方差描述子和分層高斯描述子(GOG特征