基于轨迹的监控视频检索的研究4.docVIP

浙 江 省 硕 士 学 位 论 文 论文题目：基于轨迹的监控视频检索的研究 授予学位学科专业： 计算机技术 学科专业代码：085211 研究方向： 图像、视频处理 省编号：摘 要 随着科技的进步以及社会的发展，监控摄像头被越来越多的安装在小区、商场、街道等公共区域。这些摄像头所拍摄的视频一方面的作用是实时监控许多的区域; 另外一方面就是用作日后出现案件或者其他事情的取证分析。在后者的应用场景中由于视频数量巨大，如果单纯由人工来查找所需要的视频则会耗费巨大的人力和时间资源，因此视频的自动检索将成为迫切的需求。视频包含了大量的信息，但同时这些信息又是非结构化的。这个特点导致了视频的自动化检索具有较大的难度。本文主要研究基于轨迹的视频检索。从视频的分析，轨迹数据的获取，轨迹的预处理，到轨迹的表示方法和相似性度量等方面都进行了相关的研究。 在视频分析过程中逐帧获取的目标特征的数量是很大的，而目标在一段监控视频中的形态通常只有有限的几种，这样就会有大量冗余的存在。对这些特征直接存储和计算会造成空间和时间上的极大浪费。针对此问题本文提出了一种基于目标外观特征的分层聚类方法来获取运动目标的关键对象。该方法利用改进的主颜色直方图和边方向直方图来进行目标之间相似性的计算，能够很好的体现目标的整体及局部变化情况。 由于当前跟踪算法的固有局限，加上视频中遮挡问题的存在，视频分析中获取的轨迹集合中可能存在多条轨迹片段属于同一目标的情况，这将对轨迹的表示和检索造成影响。针对此问题，本文提出了一种基于目标关键运动对象特征的双向时空连续性轨迹片段关联方法来将这些本属于同一目标的多条不同轨迹片段关联起来，然后通过填充算法来形成一条完整的长轨迹，以提高轨迹表示的可靠性和检索的准确性。 原始的轨迹数据量庞大，并且不能进行有效的相似性度量。所以基于轨迹的检索的主要任务就是轨迹的表示以及对应的相似性度量。轨迹表示就是将轨迹参数化，并用这些参数来对轨迹进行表示。本文利用Gabor滤波来对轨迹进行多通道频谱分析，然后获取轨迹中的关键点。通过对关键点处目标运动方向的改变情况分析来用特定的字符对关键点进行编码，同时保存在多通道频谱分析中获取的关键点的频率。这样就将轨迹参数化为一个字符串。通过计算最小编辑距离就可以得到轨迹间的相似性。这种方法既能用来进行全局轨迹匹配，也能应用于分段轨迹匹配。 关键词：视频检索，特征提取，轨迹关联，轨迹表示 ABSTRACT With the advances of technology, and the development of society, more and more surveillance cameras being installed in public areas, residential, shopping malls, streets and so on. In one hand, those cameras can monitor many areas in real time. On the other hand, the videos captured by those cameras can be used in forensic analysis in criminal cases in the future. In the latter scenario, if we simply manually to search the videos needed will spend huge resources in manpower and time because of the huge number of videos. So the automatically video retrieval becomes an urgent needs. The video contains a lot of information, but at the same time the instructed characteristic of video data led to the difficulty in automated video retrieval. This paper mainly studies the trajectory based video retrieval, we carried out the relevant research on the video analysis, trajectory data obtained, trajectory preprocessing and representation of the trajectory