復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究.pdf

《復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究王歡2015年6月中圖分類號(hào)：TP391UDC分類號(hào)：621復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究作者姓名王歡學(xué)院名稱自動(dòng)化學(xué)院指導(dǎo)教師王慶林教授答辯委員會(huì)主席朱群雄教授申請(qǐng)學(xué)位工學(xué)博士學(xué)科專業(yè)控制科學(xué)與工程學(xué)位授予單位北京理工大學(xué)論文答辯日期2015年6月12日StudyonMovingObjectDetectionandTrackingunderComplexScenesCandidateName：HuanWangSchoolorDepartment:SchoolofA

2、utomationFacultyMentor:Prof.QinglinWangChair,ThesisCommittee：Prof.QunxiongZhuDegreeApplied:DoctorofPhilosophyMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：12thJune2015研究成果聲明本人鄭重聲明：所提交的學(xué)位論文是我本人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作獲得的研

3、究成果。盡我所知，文中除特別標(biāo)注和致謝的地方外，學(xué)位論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得北京理工大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書所使用過(guò)的材料。與我一同工作的合作者對(duì)此研究工作所做的任何貢獻(xiàn)均已在學(xué)位論文中作了明確的說(shuō)明并表示了謝意。特此申明。簽名：日期：北京理工大學(xué)博士學(xué)位論文摘要基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的研究熱點(diǎn)，在智能監(jiān)控、人機(jī)交互、視覺(jué)導(dǎo)航等方面有著重要的應(yīng)用。但在實(shí)際應(yīng)用場(chǎng)景中，由于受到復(fù)雜環(huán)境的干擾以及目標(biāo)外觀變化等因素的影響，使得運(yùn)動(dòng)目標(biāo)

4、的檢測(cè)與跟蹤仍是一項(xiàng)具有挑戰(zhàn)性的課題。為了解決上述問(wèn)題，本文針對(duì)復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)進(jìn)行了深入研究，主要工作和創(chuàng)新點(diǎn)如下：（1）針對(duì)現(xiàn)有的背景減除法對(duì)初始運(yùn)動(dòng)目標(biāo)、動(dòng)態(tài)背景、光照變化和攝像頭抖動(dòng)敏感等問(wèn)題，提出了一種基于時(shí)空樣本一致性的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先，在構(gòu)建背景模型方面，采用背景樣本點(diǎn)集的方式，將一個(gè)時(shí)空塊內(nèi)的時(shí)域信息與空間鄰域信息相融合；然后，在前景目標(biāo)分割方面，提出了背景樣本熵的概念，自適應(yīng)的將圖像分為復(fù)雜的動(dòng)態(tài)區(qū)域（多模態(tài)區(qū)域）和平穩(wěn)的靜態(tài)區(qū)域（單模態(tài)區(qū)），采用動(dòng)態(tài)閾值的方法

5、對(duì)像素進(jìn)行分類；其次，為了使背景模型可以更好的適應(yīng)環(huán)境和目標(biāo)的變化，提出了背景像素級(jí)更新和前景目標(biāo)整體更新相結(jié)合的兩級(jí)更新模式；最后，為了消除光照的全局變化和局部變化對(duì)檢測(cè)結(jié)果的影響，提出了基于直方圖統(tǒng)計(jì)的亮度變換方法。通過(guò)與目前其它常用算法在公共數(shù)據(jù)集上定性和定量的對(duì)比實(shí)驗(yàn)表明了該算法的優(yōu)越性。（2）針對(duì)顏色粒子濾波算法對(duì)光照明敏感的問(wèn)題，提出了一種改進(jìn)的顏色粒子濾波目標(biāo)跟蹤算法。該算法從提高特征的描述能力入手，首先對(duì)顏色直方圖的加權(quán)函數(shù)進(jìn)行了改進(jìn)，然后將其與圖像局部熵結(jié)合，構(gòu)建了一種對(duì)光照變化魯棒的

6、顏色局部熵目標(biāo)觀測(cè)模型，并且為了讓算法能更好的適應(yīng)目標(biāo)自身和環(huán)境的變化，減少模型漂移和全局遮擋對(duì)算法的影響，設(shè)計(jì)了目標(biāo)模型的自適應(yīng)更新策略和粒子數(shù)量的動(dòng)態(tài)調(diào)節(jié)方法。實(shí)驗(yàn)結(jié)果表明，相比原有粒子濾波算法，該算法具有更好的魯棒性，能夠在遮擋、光照變化等情況下對(duì)目標(biāo)進(jìn)行實(shí)時(shí)有效的跟蹤。（3）針對(duì)目標(biāo)在長(zhǎng)時(shí)間跟蹤過(guò)程中容易出現(xiàn)跟蹤漂移現(xiàn)象和目標(biāo)丟失后難以重新捕獲等問(wèn)題，提出了一種基于壓縮感知和目標(biāo)檢測(cè)的在線學(xué)習(xí)跟蹤算法。該算法將運(yùn)動(dòng)目標(biāo)檢測(cè)作為一種監(jiān)督機(jī)制與改進(jìn)的壓縮跟蹤算法相融合，對(duì)目標(biāo)分別進(jìn)行獨(dú)立的檢測(cè)和跟蹤

7、，通過(guò)構(gòu)造目標(biāo)狀態(tài)分析器將檢測(cè)器和跟蹤器的結(jié)果進(jìn)行匯總和分析，判斷當(dāng)前目標(biāo)的跟蹤狀態(tài)并制定相應(yīng)的處理策略，同時(shí)根據(jù)狀態(tài)分析器的判斷結(jié)果，I北京理工大學(xué)博士學(xué)位論文對(duì)跟蹤器進(jìn)行自適應(yīng)的更新或修正。通過(guò)與目前其它常用算法在公共數(shù)據(jù)集上定性和定量的對(duì)比實(shí)驗(yàn)表明了該算法的優(yōu)越性。（4）針對(duì)多目標(biāo)跟蹤系統(tǒng)中的數(shù)據(jù)關(guān)聯(lián)和目標(biāo)合并兩個(gè)關(guān)鍵問(wèn)題，提出一種基于多特征融合和粒子濾波的多目標(biāo)跟蹤算法。首先，在數(shù)據(jù)關(guān)聯(lián)方面，該算法提出了基于多特征融合的兩級(jí)匹配方法，采用粗細(xì)結(jié)合的模式，先利用距離信息對(duì)目標(biāo)進(jìn)行粗匹配，排除不相關(guān)

8、目標(biāo)，再利用顏色特征對(duì)目標(biāo)進(jìn)行精匹配，保證目標(biāo)關(guān)聯(lián)的準(zhǔn)確性；然后，通過(guò)構(gòu)建關(guān)聯(lián)矩陣對(duì)目標(biāo)狀態(tài)進(jìn)行分析推理，當(dāng)目標(biāo)發(fā)生合并遮擋時(shí)，啟動(dòng)粒子濾波算法定位出每個(gè)目標(biāo)在前景塊中的具體位置，同時(shí)根據(jù)數(shù)據(jù)關(guān)聯(lián)結(jié)果自適應(yīng)地更新目標(biāo)特征；最后，通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法能夠在光照變化以及目標(biāo)合并、分裂等復(fù)雜情況下對(duì)多目標(biāo)進(jìn)行有效的跟蹤。關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測(cè)；背景建模；目標(biāo)跟蹤；粒子濾波；在線學(xué)習(xí)算法；數(shù)據(jù)關(guān)聯(lián)II北京理工大學(xué)博士學(xué)位論文AbstractMovin