基于O2O學(xué)習(xí)的多目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、智能視頻監(jiān)控中，利用計(jì)算機(jī)實(shí)時(shí)定位視頻中感興趣的、顯著視覺(jué)特征的多個(gè)獨(dú)立目標(biāo)，精確計(jì)算出目標(biāo)在視頻中位置大小、運(yùn)動(dòng)速度、表觀特征等狀態(tài)信息，為目標(biāo)分類(lèi)識(shí)別、行為理解等高層處理提供數(shù)據(jù)的多目標(biāo)檢測(cè)與跟蹤技術(shù)仍然是研究的熱點(diǎn)。視頻信息包括幀間信息和幀內(nèi)信息。現(xiàn)有基于運(yùn)動(dòng)信息的檢測(cè)跟蹤系統(tǒng)，只利用幀間運(yùn)動(dòng)信息而忽視了幀內(nèi)物體表觀信息，系統(tǒng)無(wú)法檢測(cè)靜止?fàn)顟B(tài)的目標(biāo)，運(yùn)行過(guò)程中不能繼續(xù)跟蹤由運(yùn)動(dòng)變靜止的目標(biāo)。
　　針對(duì)運(yùn)動(dòng)檢測(cè)系統(tǒng)無(wú)法提取靜止

2、狀態(tài)目標(biāo)的問(wèn)題，采用了O2O檢測(cè)算法：在線（Online）幀間運(yùn)動(dòng)檢測(cè)，離線（Offline）幀內(nèi)表觀檢測(cè)；運(yùn)動(dòng)檢測(cè)通過(guò)幀間信息提取出運(yùn)動(dòng)的目標(biāo)；表觀檢測(cè)彌補(bǔ)運(yùn)動(dòng)檢測(cè)的不足，提取出靜止的目標(biāo)；學(xué)習(xí)兩者提取結(jié)果，輸出綜合檢測(cè)結(jié)果。
　　針對(duì)運(yùn)動(dòng)檢測(cè)檢測(cè)到目標(biāo)包含一些非跟蹤目標(biāo)噪聲的問(wèn)題，離線訓(xùn)練好一類(lèi)目標(biāo)的隨機(jī)森林分類(lèi)器，用分類(lèi)器排除不需跟蹤的目標(biāo)，濾除噪聲，提高跟蹤準(zhǔn)確度，減小跟蹤計(jì)算量。
　　針對(duì)傳統(tǒng)跟蹤方法無(wú)法繼續(xù)跟蹤停

3、止目標(biāo)的問(wèn)題，采用了融合特征匹配與數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法；跟蹤系統(tǒng)使用幀間數(shù)據(jù)關(guān)聯(lián)算法來(lái)判斷目標(biāo)前后幀的關(guān)聯(lián)、新目標(biāo)產(chǎn)生和目標(biāo)消失；當(dāng)判斷一個(gè)目標(biāo)消失時(shí)，系統(tǒng)自動(dòng)在目標(biāo)消失時(shí)刻的位置，使用幀內(nèi)特征匹配算法，用存儲(chǔ)的該目標(biāo)特征來(lái)匹配當(dāng)前位置區(qū)域圖像，從而識(shí)別目標(biāo)，驗(yàn)證其是否真消失。
　　具體的研究?jī)?nèi)容：首先，使用基于背景差分法的幀間運(yùn)動(dòng)檢測(cè)算法，獲取視頻幀間運(yùn)動(dòng)信息、目標(biāo)狀態(tài)數(shù)據(jù)；采用基于分類(lèi)器的幀內(nèi)表觀檢測(cè)算法，獲取視頻幀內(nèi)表觀