论文部分内容阅读
伴随着摄像机数目剧增,获取视频资源日渐方便,如何有效、快速、准确地获取海量视频中的重要信息,成为一大难题。就安全领域而言,表现为对监控视频的处理效率低下,传统的使用关键字对视频图像进行人工标注的监控视频处理流程,已经无法满足视频信息的处理要求,智能化的监控检索系统由此应运而生。智能化的监控检索系统应用面十分广泛,弥补了单纯使用人力管理监控视频的不足,将人们从单调无意义的劳动中解放出来,为社会带来了巨大的效益。本文主要对监控视频检索系统中的关键技术-移动目标检索进行了研究,旨在提高监控系统的实用性和准确性。论文所做的研究工作和创新点如下:首先,根据移动目标跟踪和使用环境的特殊要求,提出了一种多目标跟踪方法。该方法在目标未发生遮挡重合时,利用前景分割得到的目标位置进行匹配,当目标重合后发生分离时,利用目标的主颜色及大小特征进行匹配。实验结果表明,本文方法具有较高的准确性和实时处理能力。其次,在分析跟踪算法质量衡量标准的基础上,针对跟踪算法普遍存在的目标丢失、一个目标对应多个轨迹、以及由前景分割给定的初始跟踪目标可能错误的情况,提出了在移动目标特征建模之前,加入一个预处理步骤的处理方法。在这个步骤中首先使用支持向量机初步筛选出错误目标,提高处理效率,然后利用移动目标消失位置,以及目标颜色信息匹配新出现的目标,实现同一目标的识别,达到准确计算目标进入场景时间以及离开场景时间的目的。最后,为了满足移动目标检索的时间要求,选用了层次的、凝聚的聚类方法实现移动目标帧序列的聚类,选取最具有代表性的目标帧,建立特征数据库以供检索,提高了检索速度。对于聚类方法,本文提出了基于边方向直方图特征的聚类方法,并与基于协方差矩阵特征的聚类方法进行了实验比较,最后采用了基于边方向直方图特征的聚类方法。本文提出的多目标跟踪算法,以及基于边方向直方图的聚类等方法在智能视频检索系统中实现了具体的应用。实例表明这几项技术在移动目标检索过程中有较好的实用效果。