視頻運(yùn)動(dòng)目標(biāo)跟蹤與異常檢測(cè)的研究.pdf

1、隨著人口的急劇增長(zhǎng)和城市的快速發(fā)展，人群密集的公共場(chǎng)所日益增加，公共安全成為全世界面臨的一個(gè)刻不容緩的問(wèn)題。海量非結(jié)構(gòu)化的監(jiān)控?cái)?shù)據(jù)不僅需要有效的存儲(chǔ)和管理，還需要實(shí)時(shí)進(jìn)行數(shù)據(jù)分析與檢索，以人力為主的監(jiān)控方式已經(jīng)不能滿足需求，因此實(shí)現(xiàn)智能化視頻監(jiān)控對(duì)維護(hù)公共安全有著重要的意義。本文主要從視頻運(yùn)動(dòng)目標(biāo)跟蹤和異常事件檢測(cè)兩個(gè)方面進(jìn)行深入研究，提出了基于DPM模型的RB粒子濾波目標(biāo)跟蹤算法和基于圖結(jié)構(gòu)的視頻異常檢測(cè)算法，其具體內(nèi)容如下:

2、　　在運(yùn)動(dòng)目標(biāo)概率性跟蹤算法中，統(tǒng)一的狀態(tài)空間方程常用于描述未知狀態(tài)變量和已知觀測(cè)值之間的線性高斯關(guān)系。然而由于氣候復(fù)雜多變、動(dòng)態(tài)背景干擾、目標(biāo)運(yùn)動(dòng)規(guī)律復(fù)雜等因素，狀態(tài)空間方程往往呈現(xiàn)非線性、非高斯的關(guān)系，因此在目標(biāo)跟蹤過(guò)程中需要靈活地選擇貝葉斯濾波算法對(duì)狀態(tài)變量進(jìn)行估計(jì)。為此，本文提出一種基于DPM（Dirichlet process mixture）模型的RB粒子濾波（Rao-Blackwellised particle filte

3、r，RBPF）目標(biāo)跟蹤算法。在含有線性子結(jié)構(gòu)的非線性狀態(tài)空間方程中，DPM模型根據(jù)系統(tǒng)觀測(cè)值自適應(yīng)調(diào)整高斯混合模型（Gaussian mixture model，GMM）分量，完成觀測(cè)噪聲的概率密度估計(jì)，改善目標(biāo)跟蹤精度。RB粒子濾波結(jié)合粒子濾波和卡爾曼濾波算法優(yōu)點(diǎn)對(duì)狀態(tài)變量進(jìn)行估計(jì)，有效降低計(jì)算量，改善運(yùn)算效率。精度和效率的改善有助于完成運(yùn)動(dòng)目標(biāo)跟蹤。模擬場(chǎng)景和UCSD數(shù)據(jù)集的測(cè)試結(jié)果表明，該算法在運(yùn)動(dòng)目標(biāo)跟蹤方面具有良好的跟蹤性能。

4、
　　在基于統(tǒng)計(jì)學(xué)習(xí)建模的異常事件檢測(cè)中，特征數(shù)據(jù)提取對(duì)于整個(gè)統(tǒng)計(jì)模型至關(guān)重要，由于復(fù)雜場(chǎng)景下的障礙物以及光流場(chǎng)中噪聲所造成的孤立特征點(diǎn)等干擾問(wèn)題，本文提出一種基于圖結(jié)構(gòu)的視頻異常檢測(cè)算法，擬捕獲特征數(shù)據(jù)的底層本征結(jié)構(gòu)（即圖結(jié)構(gòu)），采用圖信號(hào)處理（Discrete signal processing on graph，DSPG）的方法，挖掘特征數(shù)據(jù)之間的強(qiáng)耦合性，從而優(yōu)選復(fù)雜場(chǎng)景中的特征數(shù)據(jù)，以完成聯(lián)合空時(shí)模型的學(xué)習(xí)和異常檢測(cè)。在