视频中多目标检测和跟踪算法研究

论文摘要

目标跟踪是图像处理、模式识别、计算机视觉等领域的研究热点,在视频监控、智能交通和军事等方面有广泛应用。本文在对摄像机采集的图像序列分析处理基础上,实现视频中人体目标的自动提取、识别和跟踪。在单摄像机条件下,对于视频监控中的多人跟踪问题,提出了一种基于高斯概率模型的算法。基于目标颜色的统计特征,采用改进的K均值方法,将目标区域按颜色信息聚类,并根据聚类结果对目标区域分块,然后用高斯模型对各分块分别进行建模。同时,对目标的位置信息也进行高斯建模。通过计算待检测目标与模型之间颜色和位置的最大联合概率值来实现跟踪。利用前后帧中目标的位置信息及颜色信息,能克服目标遮挡后因信息的丢失而跟踪失败的情况。多摄像机的使用可以扩大监视区域,在多摄像机下的多目标跟踪,需要对同一目标在不同摄像机下的对应,该对应关系可以根据多摄像机的几何信息来确定。本文提出了利用三维信息的方法,以及这种方法的改进,即仅使用极线约束和目标直方图匹配,可以准确而快速的进行不同摄像机中同一目标的对应。在利用多摄像机的几何信息之前,需要对其进行标定,本文提出了一种基于视频序列的RANSAC自动外参求解方法,该方法解决了现存的外参自动估算方法中普遍存在的特征点完全取决于场景而导致算法精度不稳定的缺点,利用多人在场景中走动的方法,控制和提取特征点对,根据可控特征点对的动态性,以及时间上对可控特征点对的积累,采用RANSAC算法有效的剔除外点从而大幅度提升了外参求解的精度。最后,本文利用室外场景条件下拍摄的视频序列对算法进行了测试,并给出了实验结果。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 视觉跟踪的相关技术及其研究进展
• 1.3 多目标跟踪技术的难点
• 1.4 本文的主要研究工作
• 1.5 论文的章节安排
• 第二章 单相机下多目标特征提取与跟踪
• 2.1 概述
• 2.2 前景提取
• 2.2.1 背景建模
• 2.2.2 阴影去除
• 2.2.3 运动目标提取结果
• 2.3 目标区域颜色聚类
• 2.3.1 改进K均值算法
• 2.3.2 目标区域分割
• 2.4 目标特征的提取
• 2.4.1 目标颜色特征提取及建模
• 2.4.2 目标运动特征提取及建模
• 2.5 单摄像机下的多目标跟踪
• 2.6 单摄像机下多目标跟踪实验结果
• 2.7 本章小结
• 第三章 多相机参数标定
• 3.1 概述
• 3.2 线性摄像机模型
• 3.3 基本矩阵与外参分解
• 3.4 SIFT特征匹配
• 3.5 RANSAC外参求取
• 3.5.1 RANSAC算法
• 3.5.2 可控特征点对和不可控特征点对
• 3.5.3 算法流程
• 3.6 实验结果
• 3.7 本章小结
• 第四章 多相机下多目标跟踪
• 4.1 概述
• 4.2 公共可视区域（FOV）的确定
• 4.3 多相机中同一目标的对应（三维方法）
• 4.4 多相机中同一目标区域的对应改进
• 4.4.1 极线约束
• 4.4.2 直方图匹配
• 4.5 多摄像机下多目标跟踪
• 4.6 本章小结
• 第五章 总结与展望
• 参考文献
• 作者简介