基于自適應(yīng)跟蹤評價機制的視頻濃縮技術(shù)的研究.pdf

1、隨著信息化的迅猛發(fā)展以及人們對社會公共安全的日益關(guān)注，以攝像機為主要媒介的視頻監(jiān)控手段以其豐富、直觀而具體的信息表達形式越來越得到廣泛認可，獲取的視頻監(jiān)控數(shù)據(jù)為人們在安全防范和決策支持方面都起到了舉足輕重的作用。伴隨著數(shù)量急劇增加的監(jiān)控相機而來的是海量的視頻數(shù)據(jù)，這些數(shù)據(jù)的處理需要耗費大量的人力財力物力，如何從這些數(shù)據(jù)中快速獲取有價值的信息已成為行業(yè)的迫切需求。視頻濃縮技術(shù)作為解決上述問題的有效方法，是對監(jiān)控獲取的原始視頻的高度濃縮，去

2、除大量冗余信息的同時保留視頻中的關(guān)鍵信息，已成為監(jiān)控領(lǐng)域的熱點問題。
　　本研究對運動目標檢測、目標跟蹤及軌跡提取、軌跡組合優(yōu)化及圖像融合這幾個關(guān)鍵技術(shù)進行具體分析及優(yōu)化。本文采用改進的視覺背景提取算法實現(xiàn)了運動目標的檢測，完整檢測出運動目標，抑制了傳統(tǒng)算法中的“鬼影”問題;為了提高跟蹤性能，解決目標丟失及濃縮視頻中出現(xiàn)的頻閃效應(yīng)，本文提出一種基于目標跟蹤的自適應(yīng)評價機制，并對評價機制做出定性及定量分析，設(shè)計跟蹤系統(tǒng)進行驗證，進而

3、提出基于跟蹤評價機制的魯棒跟蹤算法。之后，提取和存儲運動目標的完整軌跡，并建立軌跡間能量函數(shù)，將求取最優(yōu)軌跡組合的問題轉(zhuǎn)化為求能量函數(shù)最小值的問題，更新能量函數(shù)因子并使用模擬退火算法求取代價函數(shù)的最優(yōu)解。最后根據(jù)最優(yōu)軌跡組合提取出運動目標，將目標區(qū)域與背景圖像融合得到濃縮視頻。為了提高融合效果，消除縫合邊界不自然的現(xiàn)象，提出閾值判斷的方法，生成瀏覽舒適度較高的濃縮視頻。通過對視頻濃縮算法中各個模塊進行測試，本文研發(fā)的基于自適應(yīng)跟蹤評價機