基于軌跡聚類的超市顧客運(yùn)動(dòng)跟蹤.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱門研究方向，近年來學(xué)者在該方向研究的不斷進(jìn)展使得目標(biāo)跟蹤技術(shù)被廣泛的應(yīng)用到社會(huì)生活中，為提高安全監(jiān)控、交通控制、人機(jī)交互以及增強(qiáng)現(xiàn)實(shí)等方面的智能化水平起到了至關(guān)重要的作用。但是目標(biāo)跟蹤方向的現(xiàn)有研究成果通常需要對(duì)場(chǎng)景以及目標(biāo)的特點(diǎn)加以約束，對(duì)于超市場(chǎng)景中顧客的運(yùn)動(dòng)跟蹤并不能取得很好的效果。因此，需從場(chǎng)景自身的特性出發(fā)，綜合現(xiàn)有方法并進(jìn)行改進(jìn)，才能實(shí)現(xiàn)穩(wěn)定有效的目標(biāo)跟蹤。
　　本文著眼于超市應(yīng)用場(chǎng)景中

2、顧客的運(yùn)動(dòng)跟蹤，從超市場(chǎng)景中背景復(fù)雜、顧客軌跡多樣化等特性出發(fā)，提出了一種基于軌跡聚類的超市顧客運(yùn)動(dòng)跟蹤方法。該方法對(duì)Kanade-Lucas-Tomasi(KLT)算法、均值漂移(meanshift)算法進(jìn)行綜合運(yùn)用，并提出了背景、短時(shí)特征點(diǎn)濾除算法以及運(yùn)動(dòng)跟蹤匹配算法以提高在超市應(yīng)用場(chǎng)景中進(jìn)行顧客運(yùn)動(dòng)跟蹤的準(zhǔn)確性和穩(wěn)定性。本文的工作主要由以下四部分構(gòu)成:
　　1.采用KLT算法對(duì)監(jiān)控視頻幀進(jìn)行特征點(diǎn)提取和跟蹤，利用超市場(chǎng)景中室

3、內(nèi)光照強(qiáng)度均勻穩(wěn)定的特性，得到了一系列紋理特征明顯的特征點(diǎn)及其運(yùn)動(dòng)軌跡。
　　2.對(duì)KLT算法提取得到的特征點(diǎn)及其運(yùn)動(dòng)軌跡進(jìn)行預(yù)處理，從而分離出顧客所在區(qū)域的關(guān)鍵特征點(diǎn)軌跡。在預(yù)處理過程中，本文提出了背景特征點(diǎn)軌跡濾除算法和短時(shí)特征點(diǎn)軌跡濾除算法，分別移除了KLT算法得到的特征點(diǎn)軌跡中位于背景區(qū)域中坐標(biāo)長(zhǎng)時(shí)間不變的特征點(diǎn)軌跡和連續(xù)運(yùn)動(dòng)時(shí)間過短的特征點(diǎn)軌跡。
　　3.采用meanshift算法對(duì)特征點(diǎn)軌跡進(jìn)行聚類，利用視頻序列

4、每一幀中特征點(diǎn)在時(shí)間窗口內(nèi)的鄰域信息解決了在單幀靜態(tài)圖像中特征點(diǎn)聚類的穩(wěn)定性問題和對(duì)顧客遮擋的魯棒性問題。每一幀中特征點(diǎn)的聚類結(jié)果由該特征點(diǎn)在時(shí)間窗口內(nèi)所對(duì)應(yīng)軌跡的聚類結(jié)果得到。
　　4.提出了一種運(yùn)動(dòng)跟蹤匹配算法實(shí)現(xiàn)了從特征點(diǎn)軌跡到顧客軌跡的生成。該算法采用統(tǒng)計(jì)的思想搜索視頻序列每一幀中的特征點(diǎn)類在上一幀中的最優(yōu)匹配類，解決了顧客出入視頻區(qū)域以及具有復(fù)雜路線時(shí)的穩(wěn)定跟蹤問題，并在不同場(chǎng)景區(qū)域、不同顧客密度以及不同軌跡復(fù)雜度下均保