復(fù)雜場(chǎng)景下目標(biāo)跟蹤與軌跡識(shí)別的研究.pdf

1、信息化時(shí)代的各方面需求帶動(dòng)了視頻分析技術(shù)的飛速發(fā)展，作為計(jì)算機(jī)視覺(jué)智能化技術(shù)的一個(gè)熱門研究方向，目標(biāo)跟蹤與軌跡識(shí)別技術(shù)越來(lái)越多地受到關(guān)注。然而，該研究由于對(duì)魯棒性、實(shí)時(shí)性和準(zhǔn)確性有較高的要求，在復(fù)雜場(chǎng)景下的應(yīng)用仍存在諸多問(wèn)題。
　　首先介紹并深入分析了目標(biāo)檢測(cè)的幾種經(jīng)典算法，采用ViBe背景減除算法實(shí)現(xiàn)目標(biāo)檢測(cè)。這種基于樣本模型的方法能較好適應(yīng)復(fù)雜背景的干擾，并且運(yùn)行效率較高，適合實(shí)時(shí)系統(tǒng)的需求。同時(shí)，結(jié)合中值法解決了建立背景模型

2、中容易出現(xiàn)“Ghost”現(xiàn)象的問(wèn)題。運(yùn)用形態(tài)學(xué)處理方法來(lái)提取完整的目標(biāo)區(qū)域。
　　其次，在目標(biāo)檢測(cè)的基礎(chǔ)上，進(jìn)行實(shí)時(shí)目標(biāo)跟蹤的研究。在詳細(xì)分析目標(biāo)跟蹤的基本框架，研究幾種主流跟蹤方法之后，針對(duì)目標(biāo)在復(fù)雜場(chǎng)景中表觀模型易受多種干擾，尺度變化快，在多維空間中搜索復(fù)雜度高等問(wèn)題，在壓縮跟蹤的基礎(chǔ)上利用粒子群優(yōu)化算法進(jìn)行了快速準(zhǔn)確的多尺度目標(biāo)搜索。實(shí)驗(yàn)表明，提出的基于粒子群優(yōu)化的多尺度目標(biāo)跟蹤算法（PSO-CT）在目標(biāo)跟蹤中尺度自適應(yīng)性突

3、出，魯棒性較強(qiáng)，能快速準(zhǔn)確獲取目標(biāo)位置。
　　最后，提取并識(shí)別運(yùn)動(dòng)目標(biāo)軌跡。根據(jù)目標(biāo)檢測(cè)和跟蹤的結(jié)果，獲取目標(biāo)位置等信息，經(jīng)預(yù)處理后得到包含位置和方向角的軌跡序列特征。利用改進(jìn)的Hausdorff距離度量長(zhǎng)度不一致的軌跡之間的相似度，然后改進(jìn)類中心的計(jì)算，根據(jù)K-means算法對(duì)軌跡進(jìn)行聚類。最后根據(jù)聚類結(jié)果，分別訓(xùn)練每一種軌跡模式的HMM，利用HMM能夠?qū)Ω櫤蟮能壽E進(jìn)行準(zhǔn)確地識(shí)別。
　　多組數(shù)據(jù)上的實(shí)驗(yàn)表明，提出的PSO