论文部分内容阅读
近年来,随着视频监控系统的普及,摄像头被安装在世界的各个角落,由此产生了大量的视频数据,如何自动分析这些视频数据,成为迫切的需要。目标跟踪为自动视频处理提供了重要的数据基础。其在交通安全防卫、事故预警、监控等方面有广阔的应用前景。随着摄像机网络的大量使用,多摄像头目标跟踪成为目标跟踪问题研究的一个重要分支,也是近年来该领域的研究热点。 本文在研究已有工作的基础上,实现了一种基于目标检测的多摄像头跟踪方法。该方法在目标检测的基础上,使用粒子滤波器和数据关联算法实现了有部分重叠视野的多摄像头多目标跟踪,重点解决跟踪时存在的目标外观变化、相互遮挡和目标跨越摄像头边界时的目标交接问题。 首先,在目标检测方面,本文对标准HOG目标检测算法进行改进,在检测融合阶段和结果输出阶段引入前景信息进行处理,使得检测性能和运行速度都有一定的提高。然后,本文对单一摄像头内的跟踪问题进行了研究,在跟踪器的初始化和目标遮挡两方面做了重点改进。在跟踪器的初始化中,一方面,使用基于运动预测的初始化算法,优化了待跟踪目标的发现过程。另一方面,对于刚新建的跟踪器,使用目标检测结果自动配置跟踪器的运动模型参数,使得跟踪算法可以快速适应不同速度的目标跟踪。在遮挡处理中,本文使用目标遮挡前后的信息,采用多帧数据关联显式处理遮挡问题。并在关联中使用了目标的大小、速度、距离和基于在线分类器的外观特征这些信息,较好地解决了在目标遮挡时发生的标识交换问题。最后,在上述基础上,本文采用数据关联算法解决同一目标在不同摄像头中的重新识别,使用了基于摄像头校准的时空线索和基于在线分类器的外观线索,保持一个目标在多个摄像头中的标识一致性,从而实现多摄像头的目标跟踪。 通过算法实现和实验验证了本文算法的可行性和有效性。实验数据表明,算法较好地解决了目标跟踪时的目标漂移和标识交换等问题,在整体上提高了多摄像头目标跟踪性能。