視頻監(jiān)控中的目標(biāo)檢測(cè)與跟蹤問(wèn)題研究.pdf

1、目標(biāo)檢測(cè)與跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)、視頻圖像監(jiān)控與模式識(shí)別領(lǐng)域中的核心課題之一，主要的目標(biāo)為獲取跟蹤目標(biāo)的位置信息與運(yùn)動(dòng)參數(shù)（如速度、加速度等）并得出目標(biāo)在圖像序列中的運(yùn)動(dòng)軌跡，為進(jìn)一步的圖像理解、目標(biāo)行為分析等做好基礎(chǔ)，從而完成更高級(jí)的課題任務(wù)。本文以道路上的車(chē)輛為研究對(duì)象，針對(duì)不同場(chǎng)景下的車(chē)輛跟蹤問(wèn)題進(jìn)行了研究。論文的主要研究是基于跟蹤-學(xué)習(xí)-檢測(cè)的思想，通過(guò)檢測(cè)器來(lái)增強(qiáng)跟蹤器的穩(wěn)定性，并使用跟蹤器的結(jié)果作為正負(fù)樣本在線學(xué)習(xí)更新檢測(cè)器參

2、數(shù)。論文主要包含三個(gè)部分：迭代跟蹤器算法研究、檢測(cè)器研究與在線學(xué)習(xí)方法研究。
　　首先，根據(jù)跟蹤實(shí)際需求，設(shè)計(jì)跟蹤器模塊。文中首先比較了三種不同的算法，并在其基礎(chǔ)上分析改進(jìn)，提出了一種光流Mean-shift融合的方法來(lái)對(duì)目標(biāo)進(jìn)行跟蹤，并與一般光流法比較，給出實(shí)驗(yàn)分析，得出較好的實(shí)驗(yàn)結(jié)果。
　　其次，設(shè)計(jì)目標(biāo)檢測(cè)模塊。分別嘗試了Haar特征分類(lèi)器和級(jí)聯(lián)分類(lèi)器檢測(cè)目標(biāo)，并在級(jí)聯(lián)分類(lèi)器中改進(jìn)滑動(dòng)窗口搜索機(jī)制，并應(yīng)用ViBe前景提

3、取算法作為第二步弱分類(lèi)器，采用隨機(jī)蕨類(lèi)分類(lèi)器作為第三級(jí)分類(lèi)器，最后使用模板匹配得出檢測(cè)目標(biāo)位置。
　　在此基礎(chǔ)上，對(duì)算法中的學(xué)習(xí)融合模塊做出設(shè)計(jì)。基于運(yùn)動(dòng)連續(xù)性原則，以跟蹤結(jié)果鄰近滑動(dòng)窗口圖像塊作為正樣本，其余為負(fù)樣本，對(duì)檢測(cè)器參數(shù)進(jìn)行了在線學(xué)習(xí)，得到級(jí)聯(lián)檢測(cè)器的模板匹配方法中的樣本類(lèi)更新以及
　　最后，實(shí)驗(yàn)使用PETS2000數(shù)據(jù)庫(kù)和實(shí)際交通監(jiān)控視頻驗(yàn)證算法。實(shí)驗(yàn)結(jié)果表明在多個(gè)場(chǎng)景下，達(dá)到了一定的準(zhǔn)確率，但是跟蹤速度不能滿