基于大场景多视频的运动车辆检测与连续跟踪研究-摄影测量与遥感专业论文.docxVIP

万方数据 万方数据 致谢 时光转瞬即逝，三年的硕士研究生生活即将结束。回首短暂而充实的三年， 无论是学业还是生活，我都得到了快速的成长。在这里，我要感谢所有在学习、 科研、和生活方面关心、鼓励、帮助过我的老师、朋友、同学和家人。 首先要衷心感谢我的导师孙久运老师，在整个研究生生涯，孙老师对我严格 要求与耐心指导。在整个论文期间，从选题、研究方案以及论文思路，包括整个 论文的写作、修改、定稿等各个环节，孙老师都给予我细心指导。孙老师严谨的 科学态度，精益求精的治学作风，对我今后的个人发展必将产生积极影响。 同时我要感谢所有的专业课任职老师，感谢你们在我求学生活中的无私倾注 与谆谆教导。感谢王晓斌师兄，在平时的研究学习、论文开题、毕业设计的完成 等方面师兄都不厌其烦地给予了参考解决思路，分享了他的经验，使我受到很大 启发。感谢我的同门黄海虹、张明杰、王阔音、贺致芬和孔姗等人在读研期间给 予我的帮助。感谢韩小妹、朱巧玉等遥感与地信硕 12 级的全体同学，是你们陪 我度过了美好的求学时光。感谢柏林森、朱燕、刘清及诸多未能提及的朋友们， 感谢你们在平时的学习和生活中带给我的快乐与关心。还要感谢在园区测绘相识 的胡维、周箐箐、沈洁、姚文驰、张敏等朋友，感谢你们在我实习期间的陪伴和 帮助，这份短暂且珍贵的记忆会永远留存。 最后，我要感谢父母、老姐及所有家人对我的默默支持、付出和包容，感谢 舅舅舅妈在我找工作时给予的关心和帮助。 再次特别感谢所有参加论文评审和对本文提供宝贵意见的各位专家、教授以 及老师们。 摘 要 实现智慧城市，首先必须“感知城市”，其中视频传感器因其全天候、形象 直观、高覆盖、实时性等优点得到广泛运用。目前城市视频监控以道路交通监控 与安全监控为主，视场窄、功能单一，且不能实现对目标的连续、实时跟踪，在 “感知城市”中没有发挥应有的作用。本文针对目前视频传感器遍布城市这一现 状，研究多视频联合的大场景下车辆连续跟踪所涉及的关键问题。主要工作和所 取得成果如下： （1）提出多视频联合的大场景下运动车辆连续跟踪的思路。首先在单视场 实现运动车辆的检测，确定跟踪目标；然后对跟踪目标进行特征描述，实现单视 场的车辆跟踪；最后当车辆处于重叠视域时，利用目标交接算法将多相机视域中 的目标进行关联，从而实现跨相机车辆的连续跟踪。 （2）基于优化混合高斯模型的运动车辆检测。经典混合高斯模型背景建模 时主要存在三方面不足：匹配高斯分布选择时未综合考虑分布权重及自身匹配程 度、模型参数进行更新时模型参数学习率 ??固定不变以及背景显示时只显示权值 方差比最大的分布。本文在 GMM 基础上，对匹配高斯分布选择、模型参数更新、 背景显示三方面进行优化。实验证明优化算法提取车辆轮廓清晰，对场景变化有 较强适应性，甚至对强光与树叶晃动等扰动都能良好处理，具有一定实用性。 （3）基于 Kalman 滤波与颜色纹理联合特征的自适应 Mean Shift 单视场运 动车辆跟踪。在车辆跟踪过程中，本文首先构建纹理与颜色联合特征直方图来描 述目标；然后利用 Kalman 滤波进行目标运动估计，预测目标在当前时刻的位置； 最后在预测位置的可信区域内进行联合特征的 Mean Shift 最佳匹配区域检测，且 搜索窗口的大小根据前一时刻最优目标区域的矩信息调整。实验证明本文自适应 Mean Shift 跟踪算法，能够克服相似目标和目标形变的干扰，最大程度减少迭代 搜索时间，即便目标被部分遮挡仍能保持有效跟踪。 （4）基于视野分界线的跨相机运动车辆连续跟踪。跨相机车辆连续跟踪问 题的本质是目标交接，本文从基于视野分界线的目标交接算法入手，着重研究存 在重叠视域的跨相机车辆交接。首先利用基于投影不变量的算法生成视野分界线， 再通过目标与视野分界线的关系判定其所属区域，最后通过欧氏距离与 SIFT 特 征匹配双重条件进行相同目标的关联，提高匹配准确度，更好地实现目标交接。 该论文有图 42 幅，参考文献 88 篇。 关键词：车辆跟踪；车辆检测；目标交接；Mean Shift；联合特征直方图；运动 估计 I Abstract In the construction of smart city, firstly we must realize the perception of city, among the rest, video sensor has been applied widely because of its advantage such as all-weather, intuition, high covering, real time and so on. Currently, the video monitoring in urban give prio