多攝像機無重疊視域的行人跟蹤算法研究.pdf

1、隨著社會的發(fā)展，人們對安全的需求日益增長，使得視頻監(jiān)控系統(tǒng)遍布于社會生活的各種場合。在分布廣泛的攝像機監(jiān)控網(wǎng)絡中，試圖通過人工的方式識別可疑目標并實現(xiàn)連續(xù)跟蹤顯得不切實際。在社會需求的推動下，目標跟蹤與交接技術不斷被人們研究。針對目標跟蹤與交接存在的光照變化、目標形變、遮擋等情況，大量的目標跟蹤與交接方法被不同的學者提出。
　　在目標跟蹤領域，基于在線提升的目標跟蹤將跟蹤看成目標和背景的分類問題，而基于相關濾波器的目標跟蹤則利用相

2、關性實現(xiàn)目標跟蹤，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跟蹤以及基于MOSSE濾波器的目標跟蹤，然后針對核相關濾波的缺陷提出改進的方法。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濾波器并實現(xiàn)目標跟蹤。在核相關濾波(KCF)方面，其跟蹤性能受以下因素影響而變差:1)由于核相關濾波依賴樣本的循環(huán)性，而目標形變、旋轉等將破壞循環(huán)性;2）當目標快速運動或發(fā)生遮擋時，實際跟蹤的目標將不包含于循環(huán)移位構成的候選目標集合。本文針對上述因素，引入加權HSV直方圖重檢測策略，并應用一種有效的尺度估計方法，改進了原有的核相關濾波的跟蹤性能。最后，在公開的數(shù)據(jù)集OTB50和VOT2014

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

5、束關系存在較大的不確定性。另外，不同監(jiān)控網(wǎng)絡的時空約束關系存在差異。因此，基于混合模型的目標交接難以具備普適性。在基于目標外觀模型的目標交接中，通過學習目標模型或度量函數(shù)的方法需要訓練樣本同樣難以具備普適性。因此，本文研究目標的特征描述來建立目標模型并使用距離度量函數(shù)計算兩個目標之間的距離來實現(xiàn)無重疊視域的攝像機之間的目標交接，以實現(xiàn)目標在監(jiān)控網(wǎng)絡范圍內的連續(xù)跟蹤。在本文的研究中，對數(shù)空間直方圖、協(xié)方差描述子和分層高斯描述子(GOG特征