視頻監(jiān)控中的時空顯著目標跟蹤.pdf

1、視頻數(shù)據(jù)以非結(jié)構(gòu)化形式存在且數(shù)量巨大，模擬人類視覺系統(tǒng)快速抽取信息的顯著性檢測是計算機視覺中的一個熱點。顯著目標是圖像或視頻中感興趣的對象，也是構(gòu)成視頻場景內(nèi)容的主要實體。因此借助顯著目標進行目標檢測、定位、識別和跟蹤可以快速、高效地實現(xiàn)視頻監(jiān)控。近年來的研究表明通過多特征融合方法可以得到比較好的顯著圖。本文以視頻序列作為研究對象，主要研究了基于時空顯著性的顯著目標檢測、分割和跟蹤方法。
　　本研究主要內(nèi)容包括：⑴針對現(xiàn)有方法以視

2、頻幀中心作為位置先驗，沒有充分利用視頻的運動連續(xù)性信息以及現(xiàn)有方法使用邊緣和連通性作為背景的先驗不能很好地處理紋理復(fù)雜的場景導(dǎo)致的顯著區(qū)域錯誤提取的問題，本文考慮監(jiān)控視頻中相鄰幀顯著區(qū)域的空間連續(xù)性，提出改進的先驗和時空特征相結(jié)合的顯著性檢測模型。該模型通過得到的檢測結(jié)果計算位置先驗；以時間維度上的均值濾波得到背景作為背景先驗；然后將背景和位置先驗與速度加速度先驗融合成先驗顯著圖，最后與顏色、運動大小和方向構(gòu)成的對比度特征顯著圖相融合形

3、成最終的顯著圖。在標準數(shù)據(jù)庫和監(jiān)控視頻上的實驗結(jié)果表明，提出方法得到的顯著圖很好地抑制了背景，突出了顯著目標。⑵顯著區(qū)域的確定是目標完整性提取的關(guān)鍵，針對現(xiàn)有顯著區(qū)域提取方法存在的這一不足，從顯著圖出發(fā)，在充分分析各種目標分割算法的基礎(chǔ)上，選用改進的區(qū)域生長方法對顯著圖進行顯著目標的提取。在實際監(jiān)控視頻上的實驗比較分析發(fā)現(xiàn)，改進的區(qū)域生長顯著區(qū)域提取方法具有較好的目標區(qū)域提取性能，可以有效地保證視頻監(jiān)控中顯著目標的完整性，便于后續(xù)的目標

4、跟蹤。⑶針對傳統(tǒng)Mean Shift跟蹤缺乏目標模板更新導(dǎo)致對變化較快的目標無法跟蹤，以及Kalman濾波和Mean Shift無法處理多目標跟蹤的問題，在顯著目標檢測與數(shù)據(jù)關(guān)聯(lián)的基礎(chǔ)上，本文將Mean Shift和Kalman濾波方法相結(jié)合，進行顯著目標的跟蹤。該方法在傳統(tǒng)的Mean Shift算法中加入模板更新，利用Kalman濾波預(yù)測下一幀中的目標位置，加快搜索速度，并且通過數(shù)據(jù)關(guān)聯(lián)匹配檢測窗口和目標模板。實驗證明本文的方法有效提