視頻目標(biāo)分類、跟蹤及行為分析研究.pdf

1、基于視頻的各種監(jiān)控系統(tǒng)目前越來越多地被應(yīng)用于智能交通、安全監(jiān)控等領(lǐng)域，對視頻監(jiān)控系統(tǒng)的智能化研究方興未艾。本文對實現(xiàn)視頻監(jiān)控系統(tǒng)智能化的若干核心技術(shù)，重點(diǎn)包括基于視覺的目標(biāo)分類、跟蹤算法以及目標(biāo)行為分析算法和視覺注意機(jī)制等進(jìn)行了研究探索，并在對上述核心技術(shù)的研究、創(chuàng)新及實踐的基礎(chǔ)上，設(shè)計了一種具有一定通用性的，基于多監(jiān)控區(qū)域的智能視頻監(jiān)控系統(tǒng)。
　　基于視頻目標(biāo)跟蹤處理流程順序，論文首先對視頻圖像的處理技術(shù)，包括圖像的特征提取、目

2、標(biāo)分類等進(jìn)行了研究。對于視頻目標(biāo)的特征提取技術(shù)，提出了基于彩色信息的ICM圖像簽名，以及基于輪廓旋轉(zhuǎn)截取曲線(SRIC)的圖像目標(biāo)特征，進(jìn)而實現(xiàn)了更具區(qū)分性的基于ICM結(jié)合SRIC的圖像簽名，達(dá)到了優(yōu)勢互補(bǔ)。對于視頻目標(biāo)的分類技術(shù)，提出了一種基于SVM的非預(yù)知類別多類分類算法，借鑒了顏色表示體系中的知識。實驗結(jié)果及分析驗證了提出方法的有效性。
　　為了對視頻圖像中的多個目標(biāo)進(jìn)行實時分割及跟蹤，在介紹了tMHI方法及其不足之后，提出

3、了適合戶外復(fù)雜環(huán)境的isMHI方法，以及基于isMHI的多運(yùn)動目標(biāo)跟蹤算法。該算法利用isMHI的灰度階梯輪廓，對存在的子運(yùn)動區(qū)域進(jìn)行包圍劃分并予以標(biāo)記，實現(xiàn)視頻圖像中運(yùn)動目標(biāo)的實時分割，進(jìn)而將每幀isMHI圖像中各個運(yùn)動區(qū)域同場景中運(yùn)動目標(biāo)連續(xù)關(guān)聯(lián)起來，實現(xiàn)對多運(yùn)動目標(biāo)的軌跡跟蹤。為能同時跟蹤進(jìn)入視頻場景后靜止下來的目標(biāo)，進(jìn)一步提出了isMHI結(jié)合CamShift的多目標(biāo)跟蹤算法，當(dāng)目標(biāo)處于運(yùn)動狀態(tài)時，基于isMHI對其進(jìn)行跟蹤，而當(dāng)

4、某些目標(biāo)轉(zhuǎn)為靜止?fàn)顟B(tài)時，則基于CamShift對其進(jìn)行監(jiān)視鎖定，從而實現(xiàn)對進(jìn)入視頻場景中運(yùn)動或靜止目標(biāo)的持續(xù)跟蹤，以及目標(biāo)全局行動軌跡的獲取。實驗表明，上述方法可以有效地分割并跟蹤視頻中的多個目標(biāo)，魯棒性好，檢出率較高，并且處理速度較快，達(dá)到了實時性的要求。
　　在利用運(yùn)動跟蹤結(jié)果實現(xiàn)進(jìn)一步智能處理的研究中，提出一種基于HMM、對目標(biāo)運(yùn)動行為進(jìn)行統(tǒng)計分析及識別的方法。以道路交通視頻目標(biāo)為例，將被跟蹤視頻目標(biāo)的軌跡序列作為輸入，并針

5、對實際應(yīng)用目標(biāo)確定HMM的概率分布模型，分別求解HMM的估值問題、解碼問題以及學(xué)習(xí)問題，可實現(xiàn)目標(biāo)的行為識別、行為概率統(tǒng)計等任務(wù)。最后，為進(jìn)一步提高視覺系統(tǒng)的智能化水平，引入視覺注意機(jī)制，提出了基于行為概率的目標(biāo)注意模型，該模型屬于任務(wù)驅(qū)動的高級注意模式，通過判別視頻目標(biāo)出現(xiàn)特定行為的可能性概率，生成當(dāng)前的目標(biāo)顯著圖，以對顯著度大的目標(biāo)采取相應(yīng)處理措施。實驗結(jié)果驗證了使用該方法解決上述問題的有效性。
　　作為所提出諸多算法的實踐應(yīng)

6、用，論文最后設(shè)計了一個基于多監(jiān)控區(qū)域，對多視頻場景內(nèi)容進(jìn)行智能監(jiān)控分析的通用系統(tǒng)方案。首先提出并實現(xiàn)了一個視頻數(shù)碼結(jié)合抓拍子系統(tǒng)，該子系統(tǒng)基于普遍的設(shè)備條件，將工業(yè)攝像機(jī)的實時性和數(shù)碼相機(jī)的高成像性能相結(jié)合，通過網(wǎng)絡(luò)及嵌入式計算機(jī)控制系統(tǒng)，實現(xiàn)對目標(biāo)的高清晰度抓拍，從而使獲取目標(biāo)更精確的特征數(shù)據(jù)成為可能。另外，還對系統(tǒng)的目標(biāo)連續(xù)跟蹤、目標(biāo)行為分析、目標(biāo)特征提取、目標(biāo)分類識別、視覺注意機(jī)制等主要功能模塊進(jìn)行了介紹，這些模塊分別基于論文中提