視頻監(jiān)控中的目標檢測與跟蹤問題研究.pdf

1、目標檢測與跟蹤技術是計算機視覺、視頻圖像監(jiān)控與模式識別領域中的核心課題之一，主要的目標為獲取跟蹤目標的位置信息與運動參數(shù)（如速度、加速度等）并得出目標在圖像序列中的運動軌跡，為進一步的圖像理解、目標行為分析等做好基礎，從而完成更高級的課題任務。本文以道路上的車輛為研究對象，針對不同場景下的車輛跟蹤問題進行了研究。論文的主要研究是基于跟蹤-學習-檢測的思想，通過檢測器來增強跟蹤器的穩(wěn)定性，并使用跟蹤器的結果作為正負樣本在線學習更新檢測器參

2、數(shù)。論文主要包含三個部分：迭代跟蹤器算法研究、檢測器研究與在線學習方法研究。
　　首先，根據(jù)跟蹤實際需求，設計跟蹤器模塊。文中首先比較了三種不同的算法，并在其基礎上分析改進，提出了一種光流Mean-shift融合的方法來對目標進行跟蹤，并與一般光流法比較，給出實驗分析，得出較好的實驗結果。
　　其次，設計目標檢測模塊。分別嘗試了Haar特征分類器和級聯(lián)分類器檢測目標，并在級聯(lián)分類器中改進滑動窗口搜索機制，并應用ViBe前景提

3、取算法作為第二步弱分類器，采用隨機蕨類分類器作為第三級分類器，最后使用模板匹配得出檢測目標位置。
　　在此基礎上，對算法中的學習融合模塊做出設計。基于運動連續(xù)性原則，以跟蹤結果鄰近滑動窗口圖像塊作為正樣本，其余為負樣本，對檢測器參數(shù)進行了在線學習，得到級聯(lián)檢測器的模板匹配方法中的樣本類更新以及
　　最后，實驗使用PETS2000數(shù)據(jù)庫和實際交通監(jiān)控視頻驗證算法。實驗結果表明在多個場景下，達到了一定的準確率，但是跟蹤速度不能滿