基于時空切片的運動目標檢測與跟蹤方法研究.pdf

1、在計算機視覺領(lǐng)域中,目標檢測與跟蹤是一個重要的也是最基本的研究課題,是視頻場景分析、高層語義分析等諸多后續(xù)工作的基礎(chǔ)。目標檢測與跟蹤技術(shù)在視頻監(jiān)控、智能交通、人機交互、機器人視覺導(dǎo)航、虛擬現(xiàn)實、醫(yī)學(xué)圖像處理和國防等各領(lǐng)域都有著廣泛的應(yīng)用。
　　現(xiàn)有的目標檢測與跟蹤方法通常是在圖像空間的單幀或少量幀圖像上提取目標視覺特征,易受環(huán)境變化、目標姿態(tài)和尺度變化、目標遮擋或丟失等問題的干擾,而造成檢測或跟蹤錯誤,并且由于缺乏在時間維上的歷史

2、信息的輔助,使其在檢測或跟蹤出現(xiàn)錯誤后,沒有相應(yīng)的錯誤糾正機制。
　　針對以上問題,本文提出一種在新的低維數(shù)據(jù)空間上進行目標檢測與跟蹤的方法。通過引入時空切片技術(shù),將傳統(tǒng)XY圖像空間上的目標檢測與跟蹤問題,轉(zhuǎn)化為XT數(shù)據(jù)空間上的目標切片檢測與跟蹤問題。XT數(shù)據(jù)空間反映的是圖像維X沿時間維T的動態(tài)變化規(guī)律,有利于結(jié)合長時間尺度的目標歷史信息來提取目標的運動和軌跡特征。另外,為了解決圖像維由XY維降為X維而引起的視覺信息缺乏問題,本文

3、融合多層XT空間的時空切片信息,組成新的2.5維數(shù)據(jù)空間,來實現(xiàn)目標視覺特征的提取?；谶@樣一種新的視角實現(xiàn)目標檢測與跟蹤,本文主要完成了以下工作:
　　1.在數(shù)據(jù)空間提取目標運動特征的基礎(chǔ)上,研究了基于多層時空切片部件模型的運動目標檢測方法。傳統(tǒng)基于部件的目標檢測方法使用預(yù)定義的固定數(shù)目的多個部件來表示目標,并需為每個部件訓(xùn)練一個獨立的部件檢測器,時間復(fù)雜度較高。針對以上問題,定義了一種自由度較高的語義無關(guān)的目標部件模型表示方法

4、。將時空切片中檢測到的運動區(qū)域看成是潛在的目標部件,使用一個統(tǒng)一的部件檢測器在多層時空切片中檢測所有潛在的目標部件,然后基于時空運動一致性將檢測到的部件進行聚類,得到候選目標區(qū)域。該方法具有較低的時間復(fù)雜度,能夠滿足實時檢測的需要,并且由于目標部件表示方式的自由度較高,是語義無關(guān)的,在目標部件存在部分丟失或目標擁擠的情況下,仍能檢測到目標,對環(huán)境干擾和目標尺度變化具有一定的魯棒性,并且通過引入多層時空切片融合技術(shù),使得算法具有在視頻空間

5、中任意位置檢測目標的能力,無需額外的檢測機制即能處理目標的出現(xiàn)和消失,具有良好的可變數(shù)目的多目標檢測能力。
　　2.在數(shù)據(jù)空間提取目標軌跡特征的基礎(chǔ)上,研究了基于時空切片復(fù)雜運動軌跡檢測的目標區(qū)域跟蹤方法。傳統(tǒng)跟蹤方法在背景干擾或者目標消失的情況下,容易產(chǎn)生跟蹤漂移的現(xiàn)象。由于缺少歷史信息的輔助,在漂移發(fā)生時,沒有相應(yīng)的機制能夠更正這種跟蹤錯誤。針對以上問題,提出了一種時空切片復(fù)雜軌跡檢測方法來實現(xiàn)運動目標跟蹤。采用Hough變換

6、和減法聚類算法解決軌跡分析中的重復(fù)定位、垂直運動分析和曲線運動分析等問題,將軌跡檢測能力擴展到復(fù)雜曲線軌跡的處理上,有效跟蹤具有變向、變速、垂直和交叉等多種復(fù)雜運動模式的運動目標。該方法對短時遮擋、姿態(tài)和尺度變化等不敏感;使用Hough軌跡關(guān)聯(lián)技術(shù),還可有效地避免由背景干擾或目標消失引起的跟蹤漂移問題,具有良好的抗干擾能力。
　　3.在多時空切片部件模型的目標檢測基礎(chǔ)上,研究了基于時空切片多區(qū)域融合的目標輪廓跟蹤方法。針對傳統(tǒng)區(qū)域

7、跟蹤方法目標模型復(fù)雜、多目標處理能力差等問題,提出了一種時空切片多區(qū)域融合的目標跟蹤方法。將傳統(tǒng)三維空間上的目標跟蹤問題轉(zhuǎn)化為多層XT的2.5維空間上的目標切片區(qū)域跟蹤問題。提出一種運動特征與外觀特征結(jié)合的多幀多區(qū)域映射方法,來實現(xiàn)切片區(qū)域的跟蹤,在保證多目標實時跟蹤性能的情況下,提供更細致的目標輪廓跟蹤結(jié)果。該方法具有良好的抗遮擋能力、尺度變化處理能力和多目標處理能力,滿足實時多目標跟蹤的需求,能夠有效解決因目標短時或長時遮擋引起的跟