監(jiān)控視頻中的快速多目標(biāo)檢測與跟蹤研究.pdf

1、近年來，視頻監(jiān)控系統(tǒng)已在交通場景和公共場合中廣泛應(yīng)用。由于傳統(tǒng)的人工監(jiān)控耗費(fèi)過多人力物力，因此智能監(jiān)控技術(shù)得到了廣泛的關(guān)注。而其中的多目標(biāo)檢測與跟蹤技術(shù)又是智能監(jiān)控的基礎(chǔ)，它的性能直接影響后續(xù)智能處理的效果，因此一直是人們研究的熱點(diǎn)問題。
　　 在簡單條件下，現(xiàn)有的多目標(biāo)檢測與跟蹤算法能夠在較高的準(zhǔn)確率的基礎(chǔ)上達(dá)到實(shí)時(shí)處理的能力。然而，在目標(biāo)檢測環(huán)境不理想、目標(biāo)數(shù)量增加、目標(biāo)密集等情況下，現(xiàn)有算法不能同時(shí)兼顧準(zhǔn)確率和實(shí)時(shí)性。因此

2、，既有效又快速的多目標(biāo)檢測與跟蹤算法仍然面臨著諸多的問題和挑戰(zhàn)。
　　 本文主要針對多目標(biāo)檢測與跟蹤算法在背景變化、目標(biāo)數(shù)量龐大以及目標(biāo)間短時(shí)遮擋等復(fù)雜條件下不能準(zhǔn)確快速處理的問題，從多目標(biāo)檢測和多目標(biāo)跟蹤算法兩個(gè)方面著手展開研究。通過對方法的改進(jìn)和優(yōu)化，在保證高準(zhǔn)確率的前提下，降低算法的運(yùn)行時(shí)間。本文的主要工作如下:
　　 1.提出了基于ICF-ASFE的多目標(biāo)檢測算法:針對多目標(biāo)檢測研究中背景變化、檢測時(shí)間長、待檢目

3、標(biāo)尺寸不一等問題，首先選擇滑動(dòng)窗口目標(biāo)檢測框架，以避免背景變化帶來的影響;然后，采用可快速計(jì)算的積分通道特征(IntegralChannel Feature，ICF)描述目標(biāo)，提高目標(biāo)特征提取的速度;為了減少算法對多尺度目標(biāo)檢測的耗時(shí)，鄰近尺度特征值估計(jì)思想(Adjacent Scale Features Estimation，ASFE)被引入到檢測中;同時(shí)，通過普遍適用性先驗(yàn)知識的提取，在保證檢測準(zhǔn)確率的前提下，進(jìn)一步降低算法的運(yùn)行時(shí)

4、間。在INRIA行人數(shù)據(jù)庫和TownCentre行人監(jiān)控視頻中的實(shí)驗(yàn)結(jié)果表明:算法在保證高準(zhǔn)確率的前提下，能在大尺寸圖像(1920×1080)中進(jìn)行實(shí)時(shí)檢測。
　　 2.提出了基于PDO-MCMCDA的多目標(biāo)跟蹤算法:針對多目標(biāo)跟蹤研究中目標(biāo)數(shù)量龐大、目標(biāo)間遮擋、目標(biāo)檢測存在漏檢和虛警等問題，首先，將多目標(biāo)跟蹤問題轉(zhuǎn)化為求取貝葉斯最大后驗(yàn)概率問題;然后，引入馬爾可夫鏈蒙特卡洛數(shù)據(jù)關(guān)聯(lián)方法(Markov chain Monte C

5、arlo Data Association，MCMCDA)，使問題能夠在多項(xiàng)式時(shí)間內(nèi)獲得次優(yōu)解;同時(shí)，考慮到場景和目標(biāo)的先驗(yàn)知識，對提議分布進(jìn)行優(yōu)化(Proposal Distribution Optimization，PDO)，進(jìn)一步減少算法的運(yùn)行時(shí)間。在虛擬場景、NGSIM十字路口車輛監(jiān)控視頻和TownCentre行人監(jiān)控視頻中的實(shí)驗(yàn)結(jié)果表明:算法能夠在目標(biāo)數(shù)多于50個(gè)、目標(biāo)間短時(shí)遮擋以及低目標(biāo)檢測率和高虛警率等復(fù)雜條件下具有良好的