多目標(biāo)監(jiān)控場(chǎng)景下的檢測(cè)和跟蹤技術(shù)研究.pdf

1、智能視頻監(jiān)控領(lǐng)域的研究與應(yīng)用越來越廣泛，其中的前景提取算法、目標(biāo)識(shí)別算法和目標(biāo)跟蹤算法是研究的熱點(diǎn)。本文研究了前景提取算法、目標(biāo)檢測(cè)算法以及多目標(biāo)跟蹤算法，并提出了相關(guān)的改進(jìn)，主要的研究成果如下:
　　1)本文為Vibe前景提取算法融入了陰影檢測(cè)功能和高斯濾波計(jì)算。改進(jìn)后的Vibe增強(qiáng)算法在Bench Mark中的Change Detection公共數(shù)據(jù)集上與原Vibe算法和混合高斯算法進(jìn)行實(shí)驗(yàn)對(duì)比:與原Vibe算法相比，改進(jìn)后的

2、Vibe增強(qiáng)算法在維持前景像素準(zhǔn)確率不變和計(jì)算時(shí)間不變的前提下，提高了6％-11％的前景像素召回率;而與混合高斯算法相比，改進(jìn)后的Vibe增強(qiáng)算法在各項(xiàng)指標(biāo)上都表現(xiàn)的更加優(yōu)秀。
　　2)本文提出了混合通道的積分直方圖概念，統(tǒng)計(jì)了原圖像和前景圖像在HSV顏色空間的積分直方圖信息以及灰度圖像的積分值信息?；旌贤ǖ赖姆e分直方圖概念的目的是避免直方圖重復(fù)統(tǒng)計(jì)問題，能夠大幅度加快疊加的區(qū)域的直方圖特征統(tǒng)計(jì)時(shí)間，并且增加直方圖類型的多樣性。<

3、br>　　3)使用積分直方圖理論改進(jìn)了壓縮感知目標(biāo)跟蹤算法。本文稱改進(jìn)后的算法為綜合決策的預(yù)測(cè)跟蹤算法。算法使用積分直方圖理論快速統(tǒng)計(jì)樣本的直方圖信息，然后加權(quán)融合Haar特征的貝葉斯分類得分值、與最優(yōu)正、負(fù)樣本的直方圖相似度得分值，最終找到一個(gè)綜合得分最優(yōu)的樣本作為預(yù)測(cè)輸出。實(shí)驗(yàn)發(fā)現(xiàn)綜合決策的預(yù)測(cè)跟蹤算法比壓縮感知跟蹤算法效果更加穩(wěn)定。
　　本文在上述算法研究的基礎(chǔ)上實(shí)現(xiàn)了一個(gè)多目標(biāo)跟蹤框架模型，模型為每個(gè)目標(biāo)建立了一個(gè)最優(yōu)的正