智能群體運(yùn)動(dòng)軌跡提取技術(shù)的研究.pdf

1、在目標(biāo)識(shí)別跟蹤系統(tǒng)中，目標(biāo)的運(yùn)動(dòng)軌跡等信息采集是重要一環(huán)。它能夠獲得所監(jiān)控目標(biāo)的空間坐標(biāo)、時(shí)間參數(shù)等可靠數(shù)據(jù)，這些數(shù)據(jù)是多目標(biāo)的運(yùn)動(dòng)分析、場(chǎng)景分析的研究基礎(chǔ)。目前對(duì)于大規(guī)模智能群體的目標(biāo)跟蹤及運(yùn)動(dòng)軌跡提取技術(shù)的研究是難點(diǎn)問題，因此群體目標(biāo)軌跡提取系統(tǒng)具有很高的研究?jī)r(jià)值。
　　本課題針對(duì)智能群體的應(yīng)用場(chǎng)景，通過使用固定攝像頭捕獲群體運(yùn)動(dòng)視頻序列、目標(biāo)檢測(cè)、目標(biāo)跟蹤、軌跡提取等一系列環(huán)節(jié)，提取出運(yùn)動(dòng)目標(biāo)在每一幀圖像上的二維坐標(biāo)位置，并

2、根據(jù)不同的特征值，將相鄰圖像幀間的同一運(yùn)動(dòng)目標(biāo)關(guān)聯(lián)起來，得到運(yùn)動(dòng)目標(biāo)完整的運(yùn)動(dòng)軌跡信息。
　　主要研究?jī)?nèi)容包括以下三方面：
　　(1)目標(biāo)檢測(cè)技術(shù)研究。本文首先介紹并深入分析了目標(biāo)檢測(cè)的幾種經(jīng)典方法，然后給出了本文所采用的算法，即融合陰影檢測(cè)的高斯混合模型的目標(biāo)檢測(cè)算法，這種方法可以較好地去除場(chǎng)景中的背景及陰影等一系列干擾像素，并能夠適應(yīng)場(chǎng)景變化和目標(biāo)的短暫停止；同時(shí)，本文并研究了前景提取中的二值化去噪等相關(guān)技術(shù)以獲得完整的

3、前景圖像。
　　(2)目標(biāo)的跟蹤技術(shù)研究。本文在詳細(xì)研究了幾種主流跟蹤算法的基礎(chǔ)上，對(duì)基于粒子濾波的均值偏移算法做了詳盡分析，該方法可以處理多目標(biāo)在發(fā)生咬合遮擋(occlusion)時(shí)的情形，區(qū)分出目標(biāo)。最后，在得到目標(biāo)的各個(gè)時(shí)間點(diǎn)的位置信息即得到目標(biāo)運(yùn)動(dòng)軌跡后存取至文件。
　　(3)構(gòu)建目標(biāo)跟蹤及軌跡提取系統(tǒng)。本文對(duì)目標(biāo)跟蹤及軌跡提取的整個(gè)流程進(jìn)行梳理，設(shè)計(jì)并構(gòu)建了采用組件相連的軌跡提取系統(tǒng)，即通過攝像頭捕捉智能群體的運(yùn)動(dòng)