收藏本站
《湖南大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

智能视觉监控中多运动目标检测与跟踪方法研究

万琴  
【摘要】: 安全防范领域中已广泛采用视觉传感器监控场景,但大多数系统仍停留在半人工式的模拟监控,迫切需要研制智能化的视觉监控系统,而多运动目标检测、跟踪是智能视觉监控的基础性问题,同时也是关键性的难点问题。本论文主要研究了智能视觉监控系统中多运动目标检测与跟踪方法,首先提出了复杂场景中的目标检测方法,然后针对不同跟踪需求,分析提出了多种目标跟踪方法,最后介绍了自主开发的智能网络视觉监控系统。全文主要工作包括如下几个方面。 论文首先介绍了智能视觉监控的研究背景及意义,并对智能视觉监控系统的构成进行了深入分析,系统详细地阐述了智能视觉监控系统及关键技术的国内外研究现状,并以此为基础,分析了智能视觉监控处理中的难点问题,及阐述本论文的研究意义。 目标检测是智能视觉监控的基础,目标检测的准确性直接影响后续跟踪处理,而复杂场景中存在的大量动态变化对目标检测造成极大干扰,因此,论文第二章在分析了常用的参数化、非参数化背景模型的基础上,将复杂场景中的目标检测问题转化为图像像素标记问题,提出了一种非参数目标检测方法:基于MAP-MRF框架的蚁群优化目标检测方法。首先通过混合核密度估计法估计场景的条件概率分布,在马尔可夫随机场(MRF)中得到像素标记的先验概率,并据此推导出后验能量函数,即建立了MAP-MRF框架,采用蚁群算法优化后验能量函数,从而得到像素标记结果,实现了非阈值化、上下文关联的目标检测,在视频序列上的实验结果表明该方法鲁棒性高,能较好地适应场景中的复杂动态变化,准确、有效地检测运动目标。 在检测出目标区域后,可在目标区域提取特征进行目标跟踪。监控场景中的多运动目标往往具有不同外观特征,基于外观模型跟踪多目标是一种常用的跟踪方法,但如何建立有效的外观模型是难点问题。论文第三章分析了目标模型中常用的颜色、运动特征,并结合人体的身体部分间的空间结构特征,提出利用属性关系图建立人体外观模型;为在连续帧间匹配目标,根据推导计算的属性关系图外观模型的相似度,建立匹配矩阵,分析了四种不同的匹配情况下的跟踪策略,如判定多人体相互遮挡,则通过概率松弛法优化匹配遮挡人体的身体部分及上帧的跟踪标记,从而实现遮挡情况下的多人体跟踪。通过比较该方法与其他典型的外观跟踪方法在多个视频序列上的跟踪结果、性能指标,验证了该方法跟踪不同人体外观的有效性、准确性。 传统的基于目标检测——目标特征的跟踪方法依赖于目标检测结果的准确性,而常用的目标检测方法,即便采用形态学滤波等方法对检测结果进行后处理,仍无法做到完全检测出完整的目标,常常存在目标“碎片”或“空洞”,影响后续跟踪的准确性、有效性。论文第四章在前景目标检测结果存在目标“碎片”和“空洞”的情况下,提出了一种优化碎片标记的多运动目标跟踪方法。首先将上一帧跟踪目标划分成“目标碎片”,并赋予跟踪标记,再将当前帧前景区域也划分成具有特征一致性的“前景碎片”,在当前帧将目标碎片的跟踪标记随机分配给前景碎片,则多目标跟踪问题转化为前景碎片的标记优化问题;建立前景碎片的属性关系图及与其标记相同的上一帧目标碎片的属性关系图,采用概率松弛法分析得到前景碎片标记优化的目标函数,并通过遗传算法优化,给前景碎片分配最优的跟踪标记,即可通过前景碎片的跟踪标记进一步分割出完整目标区域的同时完成了目标识别、跟踪。在室内外监控视频序列上实验结果表明,该方法能在前景检测结果存在“碎片”、“空洞”的情况下,准确、有效地跟踪多运动目标。 在监控范围大,运动目标外观特征少或者外观相似的情况下,数据关联是跟踪能否实现的关键问题。论文第五章仅采用目标运动特征,提出一种改进联合概率数据关联的多目标快速跟踪方法,采用简化murty算法求联合概率数据关联(JPDA)的最优K个联合事件,能大大降低计算复杂度,避免在目标较多时的关联匹配呈指数增加,讨论了在目标新出现、消失、遮挡、分离(包括前景检测不准确造成的碎片)等复杂情况下当前帧量测与跟踪目标的数据关联、目标状态估计,从而有效实现了多目标复杂运动的快速跟踪。在标准数据库上的实验证明,该方法能在大范围复杂场景中有效跟踪多个外观相似且外观区域小的目标,跟踪精度比传统JPDA方法大大提高,并能实现实时快速跟踪。 论文第六章介绍了本课题组自主开发的智能化网络视觉监控系统及其软、硬件构成和基本功能,通过实际系统的开发,为本论文的算法研究提供了思路,并为算法的实际应用提供了实验平台。 论文最后总结了全文的主要工作和创新性的研究成果,并对下一步研究工作进行了展望。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陶霖密;徐光祐;;“智能视觉监控技术及系统”专栏前言[J];中国图象图形学报;2008年02期
2 ;业界信息[J];工业控制计算机;2002年06期
3 陈祖爵;陈潇君;何鸿;;基于改进的混合高斯模型的运动目标检测[J];中国图象图形学报;2007年09期
4 夏娜,蒋建国,胡社教,齐美彬;基于Multi-Agent的分布式智能视觉监控系统研究[J];计算机工程与应用;2003年31期
5 凌文剑;赵卫东;;基于RFID时间戳的智能视觉监控系统[J];电脑知识与技术;2009年05期
6 李斌;李功燕;许世颐;田原;;DSP体系结构下视觉监控优化方法研究[J];计算机工程与应用;2008年34期
7 于哲舟;李江春;周栩;杨斌;杨礼;黄岚;;基于视频流的目标检测反馈模型[J];吉林大学学报(工学版);2009年S2期
8 王素玉;沈兰荪;;智能视觉监控技术研究进展[J];中国图象图形学报;2007年09期
9 艾奇;;数字监控技术的发展趋势[J];中国公共安全(综合版);2006年08期
10 雷玉堂;;人的视觉功能及视觉监控技术的发展[J];中国公共安全(市场版);2007年09期
11 刘禹;;技术融合让RFID应用充满魅力[J];现代制造;2008年09期
12 乔传标;王素玉;卓力;沈兰荪;;智能视觉监控中的目标检测与跟踪技术[J];测控技术;2008年05期
13 肖小玲;李腊元;;基于多层事件融合的场景事件实时分析[J];武汉理工大学学报(交通科学与工程版);2008年02期
14 肖小玲;李腊元;;基于粒子滤波的场景事件实时识别[J];武汉理工大学学报(交通科学与工程版);2007年05期
15 赵晓雄,张学东;基于自适应学习速率混合高斯模型的背景消除[J];鞍山科技大学学报;2005年Z1期
16 李文胜;数字视频监控系统中多硬盘自动转盘存储的实现[J];阜阳师范学院学报(自然科学版);2004年03期
17 鲍文霞,梁栋,翟鸣,周婷婷;一种基于图像的运动物体检测及高度分析算法[J];微机发展;2004年10期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前4条
1 韩颖婕;张海;李琳怡;;基于混合高斯背景建模的阴影抑制算法[A];第十四届全国图象图形学学术会议论文集[C];2008年
2 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用(SCA·2011)学术会议论文摘要集[C];2011年
3 李坤;张树林;;一种基于背景差分的ROI提取算法的研究[A];全国第二届信号处理与应用学术会议专刊[C];2008年
4 蒋建国;安红新;齐美彬;;复杂背景下快速的目标检测方法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
中国重要报纸全文数据库 前2条
1 本报记者 章彤;智慧城市越走越近[N];江苏科技报;2011年
2 记者 李大庆;我在国际计算机视觉算法竞赛中摘金[N];科技日报;2011年
中国博士学位论文全文数据库 前4条
1 肖小玲;分布式智能视觉监控系统关键技术的研究[D];武汉理工大学;2008年
2 曲琳;分布式智能视觉监控行为分析及语义检索技术研究[D];浙江大学;2008年
3 叶子;基于视觉计算的人群场景理解与行为分析[D];中国矿业大学(北京);2013年
4 孙志海;视频运动目标检测及减法聚类定位技术研究[D];浙江大学;2009年
中国硕士学位论文全文数据库 前10条
1 谭菲菲;智能视觉监控系统中活动目标检测算法的研究[D];北京工商大学;2010年
2 田国栋;智能视觉监控系统中的目标提取和跟踪算法[D];北京邮电大学;2010年
3 袁菊红;基于OpenCV的智能视觉监控系统的设计与实现[D];安徽大学;2011年
4 周洁;智能视觉监控系统运动目标检测算法研究[D];天津理工大学;2011年
5 何楠楠;智能视觉监控中人形目标检测[D];北京邮电大学;2010年
6 罗山;智能视觉监控中运动目标检测与跟踪的研究[D];昆明理工大学;2009年
7 王伟嘉;智能视觉监控中的运动目标跟踪技术及应用研究[D];昆明理工大学;2008年
8 赵志旭;智能视觉监控中的运动目标检测与跟踪[D];电子科技大学;2009年
9 刘鑫;智能视觉监控中的运动目标检测和跟踪技术研究[D];昆明理工大学;2007年
10 纪运红;智能视觉监控系统若干关键技术研究与实现[D];辽宁科技大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978