论文部分内容阅读
随着近年来人们对智能监控系统的要求更加智能化和实时化,智能视频监控技术越来越受到研究人员的关注。多场景目标跟踪是机器视觉领域一个重要的研究课题,它是智能视频监控系统最基本也是最核心的技术,具有极大的理论意义和实际应用价值。虽然多场景目标跟踪在过去的一段时间已经取得了较大的发展,但是仍然有很多难题亟待解决,仍是一个富有挑战性的课题。 本文主要针对多场景目标跟踪算法,为了解决在实际智能监控系统中因为目标遮挡、外观变化、视频时间过长以及多个场景变化导致的跟踪丢失问题。在文中重点研究了基于Hog特征的粒子滤波目标跟踪算法、基于随机一致性采样估计的目标跟踪算法、一般性物体检测算法以及将其应用到多场景下的目标交接中。本文研究的主要内容和创新点如下: (1)研究了粒子滤波的基本原理,尝试性地将Hog特征应用到粒子滤波目标跟踪框架之中,解决了因为图像亮度变化和背景颜色与跟踪目标颜色相近导致的跟踪失败问题。然后介绍将粒子滤波应用到目标交接中,一定程度上解决了多场景目标跟踪过程中的目标交接问题。 (2)针对实际监控中,因为目标遮挡、外观变化和时间过长导致跟踪丢失的问题,提出一种基于随机一致性采样估计的目标跟踪算法。算法首先在搜索区域提取局部不变特征集,然后利用特征匹配传递性和非参数学习算法从特征集中分离出目标特征,最后对目标特征进行随机一致性采样估计(RANSAC)跟踪目标位置。 (3)针对传统多场目标跟踪算法中,在进行目标交接的时候,会预先设定目标运行轨迹和采用随机搜索进行目标交接费时的限制,本文将基于随机一致性采样估计的目标跟踪算法与一般性物体检测结合,提出一种新的目标交接算法。在目标交接的时候,首先采用一般性物体检测算法提取出图像中的所有物体作为候选目标,然后采用目标跟踪算法的目标检测确定跟踪目标的位置,完成目标交接。 最后还将本文提出的单场景目标跟踪算法在不同的测试视频集进行实验,并且与不同的目标跟踪算法作对比,验证本文算法具有更好的跟踪效果。对于目标交接算法本文分别在自拍视频和ECCV的公共测试视频集上进行测试,和基于粒子滤波的目标交接算法进行对比。验证本文的交接算法不仅准确率高而且时间也被大幅度缩短。