版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、基于視頻的多人跟蹤是通過(guò)視頻內(nèi)容分析技術(shù)將視域場(chǎng)景內(nèi)的多個(gè)目標(biāo)在視頻中進(jìn)行連續(xù)的追蹤,并對(duì)每一個(gè)目標(biāo)保持唯一的身份標(biāo)識(shí)。目標(biāo)跟蹤技術(shù)在智能視頻分析領(lǐng)域中有著諸多的應(yīng)用,例如智能視頻監(jiān)控系統(tǒng),基于計(jì)算機(jī)視覺(jué)的人機(jī)交互等領(lǐng)域都需要研究目標(biāo)跟蹤技術(shù)。而目標(biāo)跟蹤技術(shù)作為高層視頻語(yǔ)義分析過(guò)程中前端不可或缺的關(guān)鍵技術(shù),近年來(lái)也越來(lái)越受到計(jì)算機(jī)視覺(jué)研究者的廣泛關(guān)注。
同時(shí)跟蹤多個(gè)目標(biāo)的主要挑戰(zhàn)在于由于場(chǎng)景內(nèi)多個(gè)目標(biāo)的運(yùn)動(dòng),會(huì)導(dǎo)致目標(biāo)之間出現(xiàn)
2、頻繁而復(fù)雜的互相遮擋問(wèn)題。這對(duì)正確跟蹤目標(biāo)提出了很大挑戰(zhàn)。近年來(lái),國(guó)際上出現(xiàn)了針對(duì)解決場(chǎng)景內(nèi)多人跟蹤的新思路——全局關(guān)聯(lián),有些學(xué)者也稱其為基于小軌跡關(guān)聯(lián)的跟蹤技術(shù)。該思路主要包括三個(gè)部分:小軌跡構(gòu)建,小軌跡的特征提取,以及小軌跡關(guān)聯(lián)成最終跟蹤結(jié)果。但是目前,基于小軌跡關(guān)聯(lián)的跟蹤方法還不是很成熟,該方法的三個(gè)主要部分均需要做深入的研究工作。所以針對(duì)目前基于小軌跡關(guān)聯(lián)的多人跟蹤的研究難點(diǎn),本文的研究?jī)?nèi)容主要包括以下三個(gè)方面:
1)
3、基于粒子濾波的自適應(yīng)小軌跡構(gòu)建方法:在基于小軌跡關(guān)聯(lián)的目標(biāo)跟蹤方法中,小軌跡的構(gòu)建是整個(gè)跟蹤算法的第一步。傳統(tǒng)的小軌跡構(gòu)建方法是連接相鄰幀的檢測(cè)結(jié)果使小軌跡進(jìn)行可靠而有效的生長(zhǎng),其基本假設(shè)是同一目標(biāo)在相鄰幀之間的目標(biāo)表觀特征及目標(biāo)大小沒(méi)有明顯的變化。但是在復(fù)雜場(chǎng)景中,由于場(chǎng)景的背景復(fù)雜,目標(biāo)相對(duì)于攝像機(jī)所處姿態(tài)等問(wèn)題,導(dǎo)致目前基于分類器的目標(biāo)檢測(cè)很難在每一幀當(dāng)中都檢測(cè)到該目標(biāo),從而使小軌跡在構(gòu)建過(guò)程中不能得到充分而有效的生長(zhǎng)。本文提出了
4、基于粒子濾波的自適應(yīng)小軌跡構(gòu)建方法。在構(gòu)建小軌跡的過(guò)程中,我們加入粒子濾波技術(shù),結(jié)合目標(biāo)檢測(cè)結(jié)果,并根據(jù)粒子濾波所計(jì)算出的目標(biāo)后驗(yàn)分布,自適應(yīng)的決定小軌跡是否應(yīng)該被終止。這樣在一定程度上可以改善小軌跡的構(gòu)建效果,從而為后續(xù)的目標(biāo)特征提取,小軌跡關(guān)聯(lián)打下基礎(chǔ)。
2)目標(biāo)表觀特征提取:目標(biāo)表觀特征提取是目標(biāo)跟蹤中的一個(gè)重要問(wèn)題,一直貫穿于整個(gè)目標(biāo)跟蹤領(lǐng)域。本文中,我們提出了一種叫做時(shí)空表觀模型的目標(biāo)表觀表示方法。該方法通過(guò)自適應(yīng)聚
5、類策略,對(duì)每一個(gè)小軌跡中的所有目標(biāo)區(qū)域中的像素在時(shí)間和空間上進(jìn)行聚類,從而形成若干個(gè)跨越若干幀的表觀子區(qū)域分類。相對(duì)于以前的目標(biāo)表觀特征僅僅是對(duì)單一幀提取目標(biāo)表觀,沒(méi)有考慮到目標(biāo)表觀在連續(xù)幀中的相關(guān)性而言,該方法所生成的表觀模型不僅提供了目標(biāo)表觀在空間上的動(dòng)態(tài)子區(qū)域信息,并且提供了目標(biāo)表觀的子區(qū)域在時(shí)間上的分布信息。
3)小軌跡關(guān)聯(lián):為了將小軌跡進(jìn)行有效的關(guān)聯(lián),形成最終的跟蹤軌跡,我們提出了基于時(shí)空表觀模型的自適應(yīng)表觀模型選擇
6、方法,并結(jié)合目標(biāo)運(yùn)動(dòng)特征的模糊搜索范圍進(jìn)行小軌跡關(guān)聯(lián)?;跁r(shí)空表觀模型的自適應(yīng)表觀模型選擇方法是為了計(jì)算任意一對(duì)小軌跡之間的最小表觀距離而做的自適應(yīng)選擇。如果最小表觀距離不能達(dá)到全局最小,那么這兩個(gè)小軌跡就不能被關(guān)聯(lián)為最終的跟蹤軌跡?;谶\(yùn)動(dòng)特征的模糊搜索范圍是利用目標(biāo)運(yùn)動(dòng)預(yù)測(cè)信息輔助小軌跡關(guān)聯(lián),并通過(guò)模糊搜索范圍在一定程度上解決由于目標(biāo)小幅度非線性運(yùn)動(dòng)導(dǎo)致的運(yùn)動(dòng)特征計(jì)算不準(zhǔn)確的問(wèn)題。
綜上所述,本文將對(duì)基于小軌跡關(guān)聯(lián)的多人跟
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于軌跡關(guān)聯(lián)的多目標(biāo)跟蹤.pdf
- 基于小波分析的軌跡跟蹤系統(tǒng)的研究.pdf
- 基于DBN的多人跟蹤算法研究.pdf
- 基于視頻監(jiān)控系統(tǒng)的多人跟蹤研究.pdf
- 基于人體匹配解決多人體跟蹤中遮擋問(wèn)題的方法研究.pdf
- 基于遠(yuǎn)距離RFID的軌跡跟蹤方法的研究.pdf
- 基于模糊力矩的機(jī)械臂軌跡跟蹤控制方法研究.pdf
- 基于雙目立體視覺(jué)技術(shù)的船舶軌跡跟蹤方法研究.pdf
- 基于智能控制的機(jī)械手軌跡跟蹤控制方法研究.pdf
- 基于Gabor小波的目標(biāo)跟蹤方法研究.pdf
- 智能車輛的軌跡跟蹤控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的機(jī)械手軌跡跟蹤控制方法研究.pdf
- 視頻監(jiān)控中多人體目標(biāo)檢測(cè)與跟蹤方法的研究.pdf
- 基于時(shí)空關(guān)聯(lián)的紅外弱小多目標(biāo)跟蹤方法研究.pdf
- 機(jī)器人軌跡跟蹤的智能控制方法研究.pdf
- 面向NSHV目標(biāo)跟蹤的飛行軌跡控制方法研究.pdf
- 基于軌跡優(yōu)化的多目標(biāo)跟蹤研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械手軌跡跟蹤控制方法研究.pdf
- 基于魯棒控制的機(jī)器人手臂軌跡跟蹤控制方法的研究.pdf
- 基于擴(kuò)展卡爾曼濾波的單目視覺(jué)軌跡跟蹤方法的研究.pdf
評(píng)論
0/150
提交評(píng)論