基于視頻監(jiān)控的目標(biāo)檢測與跟蹤算法研究.pdf

1、目前，在傳統(tǒng)視頻監(jiān)控系統(tǒng)中普遍是通過工作人員監(jiān)控和錄像來實(shí)現(xiàn)安全防護(hù)，但依舊存在信息遺漏，反應(yīng)不及時等情況，因此不能準(zhǔn)確高效的監(jiān)控所有場景。而智能視頻監(jiān)控則可以有效的解決前述問題，通過對實(shí)時監(jiān)控畫面引入算法分析，從而達(dá)到對畫面中的目標(biāo)進(jìn)行檢測和跟蹤效果，當(dāng)遇到突發(fā)情況系統(tǒng)則會及時通知工作人員或者報警，同時也在一定程度上降低了人力成本。但其目前沒有被普遍應(yīng)用的主要原因在于當(dāng)前目標(biāo)檢測與跟蹤算法漏檢率較高，魯棒性差。
　　近年來，隨著

2、信息技術(shù)的飛速發(fā)展，圖像目標(biāo)檢測與跟蹤技術(shù)成為計(jì)算機(jī)視覺領(lǐng)域中的一個重要課題。本文在實(shí)時視頻監(jiān)控系統(tǒng)的框架下，針對目標(biāo)的實(shí)時檢測與跟蹤問題，對Tracking-Learning-Detection(TLD)目標(biāo)檢測與跟蹤算法進(jìn)行了深入研究。該算法主要能夠解決對未知物體的長時間跟蹤問題，具有抗光照干擾、障礙物遮擋等能力，有較強(qiáng)的實(shí)用性。但其主要缺點(diǎn)在于算法計(jì)算量巨大，程序運(yùn)行速度非常緩慢，在計(jì)算機(jī)硬件性能一般的情況下達(dá)不到視頻監(jiān)控中目標(biāo)跟

3、蹤的實(shí)時效果，不能廣泛應(yīng)用于實(shí)際生活中。
　　針對上述問題，本文主要工作包括以下幾個方面:
　　(1)重點(diǎn)研究了目前比較經(jīng)典幾種目標(biāo)檢測與跟蹤算法，解剖其原理。并對這幾種算法進(jìn)行實(shí)驗(yàn)測試，根據(jù)實(shí)驗(yàn)結(jié)果比較分析這幾種算法應(yīng)用于實(shí)際視頻監(jiān)控系統(tǒng)中的可行性。
　　(2)對原始TLD算法中跟蹤器做了改進(jìn)。根據(jù)目標(biāo)所占當(dāng)前圖像面積百分比動態(tài)調(diào)整被處理圖像的分辨率大小，當(dāng)目標(biāo)面積在整幅圖中所占面積較大時，通過提出的算法減少輸入樣本

4、的輸入數(shù)量，從而減少計(jì)算量，加快滑動框掃描速度。
　　(3)在原始算法的檢測器部分，近鄰區(qū)域生成檢測掃描框，輸入圖片先采用跟蹤器中的光流法加以計(jì)算，估計(jì)出目標(biāo)的當(dāng)前大概位置，再在該位置近鄰區(qū)域滑動生成掃描框，避免掃描整幅圖所帶來的耗時問題。
　　(4)提出新的模板匹配算法。在原始算法檢測器中作者采用是傳統(tǒng)NCC(normalized product correlation)模板匹配方法，計(jì)算速度較慢，是影響算法速率的主要原因