視頻場(chǎng)景中的群體目標(biāo)分析研究.pdf

1、計(jì)算機(jī)視覺已成為一個(gè)非?；钴S的研究領(lǐng)域，它涉及信號(hào)采集、圖像處理、機(jī)器學(xué)習(xí)、模式識(shí)別、行為控制甚至認(rèn)知科學(xué)等多門學(xué)科，主要研究視頻圖像序列中目標(biāo)的檢測(cè)、跟蹤、行為分析與識(shí)別等問題。視頻中目標(biāo)檢測(cè)和跟蹤是計(jì)算機(jī)視覺的一個(gè)方向，目前這方面的研究大多數(shù)集中在單或多個(gè)物體和人的檢測(cè)和跟蹤。多目標(biāo)檢測(cè)和跟蹤，也往往將檢測(cè)和跟蹤的目標(biāo)局限在十個(gè)以內(nèi)。
　　 隨著人口數(shù)目的增加、城市化進(jìn)程的加快、社會(huì)活動(dòng)頻繁增加，公共場(chǎng)合正變得越來越擁擠，大

2、型的集會(huì)也日漸增多。于是，對(duì)群體活動(dòng)視頻監(jiān)測(cè)的要求變得越來越迫切，但是目前很少有研究涉及群體目標(biāo)檢測(cè)和分析。針對(duì)這個(gè)問題，我們做了如下研究工作：
　　 首先，本文對(duì)運(yùn)動(dòng)場(chǎng)和光流場(chǎng)進(jìn)行了概述。運(yùn)動(dòng)場(chǎng)是描述目標(biāo)運(yùn)動(dòng)的矢量，在沒有光照影響的情況下，光流場(chǎng)可以用來表示運(yùn)動(dòng)場(chǎng)。光流場(chǎng)是指圖像亮度模式的表觀運(yùn)動(dòng)，可以通過添加限制條件來求解光流約束方程來獲得。Lucas-Kanade光流法是比較適合群體運(yùn)動(dòng)目標(biāo)檢測(cè)和分類的一種光流法，本文用此

3、光流法計(jì)算光流場(chǎng)。
　　 混沌動(dòng)力學(xué)中，拉格朗日方法嘗試跟蹤運(yùn)動(dòng)流中各像素點(diǎn)的運(yùn)動(dòng)軌跡，是處理流體的一種方法。由于群體運(yùn)動(dòng)目標(biāo)的高密度性，可以被認(rèn)作流體，用混沌動(dòng)力學(xué)的方法處理。有限時(shí)間李亞普諾夫指數(shù)表示相近粒子間的混合和分離性，反映粒子間的分離程度。根據(jù)流圖，通過計(jì)算龍哥庫塔方程獲得有限時(shí)間李亞普諾夫指數(shù)圖像。文中比較了運(yùn)用立體插值和三維反距離加權(quán)插值算法對(duì)結(jié)果的影響，得到運(yùn)算簡(jiǎn)單三維反距離加權(quán)插值算法更適合實(shí)時(shí)的應(yīng)用于群體運(yùn)

4、動(dòng)目標(biāo)的檢測(cè)和分析的結(jié)論。
　　 根據(jù)獲得的有限時(shí)間李亞普諾夫指數(shù)圖像，可以獲得運(yùn)動(dòng)區(qū)域。本文提出了一種改進(jìn)的Bemsen自適應(yīng)二值化算法獲得有限時(shí)間李亞普諾夫指數(shù)圖像的二值圖像。然后用形態(tài)學(xué)的方法獲得大概的運(yùn)動(dòng)區(qū)域。這時(shí)的運(yùn)動(dòng)區(qū)域存在一個(gè)問題是：存在一些“空洞”。為了處理這個(gè)問題，可以采用Freeman輪廓提取并填充的方法。
　　 在運(yùn)動(dòng)區(qū)域獲得后，需要對(duì)其進(jìn)行分析。本文的分析從兩方面進(jìn)行：方向和密度。對(duì)于方向分析，用

5、光流場(chǎng)來獲得。提出一種改進(jìn)的K-均值聚類的方法獲得的光流場(chǎng)方向圖像。由于視頻本身質(zhì)量原因，得到的結(jié)果斑駁不諶。又提出一種小輪廓融合算法對(duì)上述結(jié)果做改進(jìn)，有效地去除了各種雜質(zhì)。對(duì)于密度分析，本文采用了紋理的方法?；叶裙采仃嚪治鍪且环N紋理分析的方法，其特征參數(shù)從不同方面描述圖像的紋理。其中對(duì)比度反映溝紋的清晰程度，紋理的細(xì)致程度，可以通過它獲得該運(yùn)動(dòng)區(qū)域的密度信息。根據(jù)各個(gè)方向不同的密度信息，通過貝葉斯分類，將不同方向的群體運(yùn)動(dòng)目標(biāo)劃分為

6、：稀疏、中等和密集。
　　 本文各種算法均通過采用C語言并結(jié)合Intel OpenCV庫實(shí)現(xiàn)。將密集群體系統(tǒng)作為混沌系統(tǒng)處理，首先求解FTLE場(chǎng)。求解龍哥庫塔方程時(shí)采用反距離加權(quán)插值算法，并排除FTLE中標(biāo)識(shí)為非混沌系統(tǒng)的點(diǎn)，表示流動(dòng)的部分。再用形態(tài)學(xué)方法處理FTLE場(chǎng)圖后獲得運(yùn)動(dòng)區(qū)域。然后，對(duì)運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行方向分析，使用了改進(jìn)的K-均值聚類的方法，并提出小輪廓融合算法吸收雜質(zhì)以優(yōu)化分割結(jié)果。接著對(duì)運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行密度分析，對(duì)