智能视觉监控中目标跟踪与识别算法研究

论文摘要

智能视觉监控是计算机视觉领域一个新兴的应用方向,涉及图像处理、图像分析、机器视觉、模式识别、人工智能等众多研究领域。智能视觉监控的关键技术包括目标检测和分类、目标跟踪、目标匹配、目标识别以及视频内容理解等。智能视觉监控目前尚处于探索研究阶段。本文重点关注智能视觉监控系统中的目标跟踪、目标匹配和目标识别这三个关键技术,即分别针对三个技术中存在的关键问题,进行深入研究并提出新的解决方法。具体的研究问题包括:如何在跳帧视频中进行目标跟踪、如何利用跟踪的结果进行多摄像机之间的目标匹配、如何对跟踪并匹配的目标进行角色识别、如何对特定角色的人进行进一步的身份验证。本文的主要贡献概括如下:1.针对跳帧视频中的目标跟踪问题,提出了一种基于突变运动检测和粒子滤波的目标跟踪算法。无线网络摄像机是目前逐渐流行的一种视频监控系统的解决方案,但是采集的视频经常会发生跳帧的现象。跳帧现象给目标跟踪带来的困难是状态后验分布的计算困难,即如何设计一个转移模型来描述目标在两帧间的移动。本文从整合传统的运动检测和跟踪出发,在增加有限的计算量的条件下实现了跳帧视频中的目标跟踪。2.针对多摄像机之间的目标匹配问题,提出了一种基于区域SIFT描述子的目标匹配算法。多摄像机之间的目标匹配是同一时间在不同的图像序列的目标中找到相互对应的目标,其难点在于往往需要很多先验知识,如摄像机的内外参数等。本文给出的方法是基于区域的方法,但是区域的特征以SIFT描述子而不是通常的颜色来描述,并将目标匹配问题转化为SIFT描述子的匹配问题。该方法可以匹配各种类型的目标物体;不需要摄像机的标定,也不要求目标物体处于同一地平面;对亮度的变化也有一定的鲁棒性。3.针对多摄像机监控中的角色识别问题,提出了一种基于贝叶斯因果网的角色识别方法。角色识别的难点在于影响角色识别的因素是多样的,这些因素与角色之间存在着不同的依赖关系。本文的方法通过对视频监控中特殊角色人的相关分析,从多视角监控视频中提取视觉特征、时空统计特征以及其它特征,并使用一个贝叶斯因果网模型将这些特征融合起来,从而得到角色识别的结果。其中多摄像机的使用有利于扩大监控范围和克服遮挡。4.针对视觉监控中的身份验证问题,提出基于线段奇异值特征的人脸识别算法,其基本思想是使用一种基于线段奇异值特征来取代基于灰度值特征进行两条线段之间距离的计算。我们给出了改进的方法对光线强度均匀改变不敏感的证明,并同时给出一种分布式计算的方案来提高人脸识别任务的执行速度。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.1.1 视频监控
• 1.1.2 智能视觉监控
• 1.1.3 选题意义
• 1.2 智能视觉监控的国内外研究现状
• 1.3 论文主要贡献与章节安排
• 1.3.1 本文主要贡献
• 1.3.2 本文章节安排
• 1.4 本章参考文献
• 第2章 跳帧视频中的目标跟踪
• 2.1 问题背景
• 2.2 基于突变运动检测的粒子滤波算法
• 2.2.1 基于隐马尔可夫模型的粒子滤波
• 2.2.2 突变运动检测
• 2.2.3 后验概率修正
• 2.3 实验结果与分析
• 2.3.1 实验环境
• 2.3.2 采样过程中的有效采样度分析
• 2.3.3 跟踪错误的比较
• 2.4 本章小结
• 2.5 本章参考文献
• 第3章 多摄像机之间基于区域SIFT描述子的目标匹配
• 3.1 问题背景
• 3.2 基于区域SIFT描述子的目标匹配
• 3.2.1 方法概述
• 3.2.2 目标区域检测与跟踪
• 3.2.3 SIFT描述子的提取
• 3.2.4 基于区域SIFT描述子的目标匹配
• 3.3 实验结果与分析
• 3.3.1 相同类型的目标物体
• 3.3.2 不同类型的目标物体
• 3.3.3 比较与分析
• 3.4 本章小结
• 3.5 本章参考文献
• 第4章 多摄像机监控中基于贝叶斯因果网的角色识别
• 4.1 问题背景
• 4.1.1 角色识别问题
• 4.1.2 角色识别相关工作
• 4.1.3 立体视觉与摄像机模型
• 4.2 基于贝叶斯因果网的角色识别
• 4.2.1 角色特征
• 4.2.2 贝叶斯因果网的选用
• 4.2.3 我们的解决方案
• 4.3 特征提取与分析
• 4.3.1 时间特征
• 4.3.2 统计特征
• 4.3.3 颜色形状特征
• 4.4 实验结果与分析
• 4.4.1 实验环境设置
• 4.4.2 网络参数估计
• 4.4.3 分析与比较
• 4.5 本章小结
• 4.6 本章参考文献
• 第5章 基于LSV特征的人脸识别方法
• 5.1 问题背景
• 5.1.1 应用场景
• 5.1.2 相关人脸识别技术
• 5.2 基于LSV特征的人脸识别
• 5.2.1 方法概述
• 5.2.2 基于线段的人脸识别
• 5.2.3 LSV特征
• 5.2.4 改进的人脸识别算法
• 5.3 实验结果与分析
• 5.3.1 人脸的标准化
• 5.3.2 单机人脸识别
• 5.3.3 分布式人脸识别
• 5.4 本章小结
• 5.5 本章参考文献
• 第6章 结束语
• 致谢
• 附录:攻博期间的文章、专利
• 参加的科研工作