多摄像机联合目标跟踪算法的研究与实现.doc

南京邮电大学专业学位硕士研究生学位论文 第一章 绪论 模板匹配法是基于大量静态模板的数据，通过离线的训练归纳特征，形成一个特殊的 特征库，也就是一个离线的分类器，在这个分类器的基础上对新的目标进行遍历匹配。把 每一帧的图像和分类器作比较，得出分类的结果。Jorge [8]提出基于多个不变矩的方法， Khotanad 和 Hon 采用 Gritaid 的方法[9]，Jorge 和 Reve[10]采用傅里叶描绘的方法。以上都是 通过提取普通矩或 Zenke 矩的特征值来进行分类。这种方法针对图像目标的伸缩、旋转以 及平移的多种复杂情况，可以对静态物体目标有较好的辨识率。因此该方法普遍应用于一 些特殊手势识别或者静态的物品识别的场合。 （2）动态特征 动态特征是根据视频流中的动态信息来对目标进行跟踪识别的技术，其中动态信息， 如运动趋势和光流信息。BruceLucas 和 TakoKna[11]提出 LK 光流方法捕捉光流信息，此方 法可以获取图像中的能量流动值的大小，以此直观反映出目标的动态变化。这种方法是针 对整幅图像的信息进行整体运算，也可以针对一些特定的场合，但是在智能视频分析尤其 是对具体行为特征的分析效果不理想。 （3）状态空间转移 基于状态空间转移的方法是基于模板匹配法的一种方法，此方法将把目标的每一个静 态的图像视为一个状态点，在对新目标的检测就成为了对原来状态点的遍历。遍历匹配后 就得到此分类器的分类结果，进而分析出目标的行为。在该思想的基础上，Pedo F.Felzeszwlb 和 Daiel P.Hutenloher[12]提出了一种基于图片结构的方法，以人体检测为例，它根据人体的 关节和骨骼进行划分，并对每一种情况进行特征信息匹配。Myhyo Andiuka 和 Sfan Rth[13] 等又将此方法得到的结果运用于体态识别并取到了较好的效果。此方法的优势是不需要大 量的视频源进行离线训练，以一幅静态图片作为输入，进行后期处理就能识别出目标并进 一步分析出相关行为。 对于目标检测跟踪，其中另一个主要的难点是目标检测分类和无监督学习方法的实现。 目前国内外针对目标特征的分类方法主要有：（1）Adaboost 方法，它是一种迭代方法，首 先根据不同的特征训练出不同的分类器，此时分类器准确率并不高，也称为弱分类器，进 而把这些弱分类器汇集起来，形成一个分类效果更加优越的分类器，也就是强分类器[13-14]。 简而言之，此方法是对简单的弱分类方法进行提升的过程，对这个过程通过不断的迭代训 练，进而提高对数据的分类能力。（2）随机森林是由多个决策树组成的分类器，每个分类 器都有自己的输出结果，而方法的最终结果是由其中的多数结果决定。Le Bremn 和 Ale Cutler[15]提出并发展了随机森林方法，它最初是由贝尔实验室的 Tin K.H[16]提出的随机决策 森林演变来的，但是随机森林在一些情况下会出现过度拟合。 3 万方数据 南京邮电大学专业学位硕士研究生学位论文 第一章 绪论 虽然智能视频目标跟踪分析技术有了很大的发展，但是由于在现实状况中运动目标一 般具有非刚性的特点，尤其行人这类运动目标自由度较高，容易出现模糊、遮挡、阴影等 现象，因此，多摄像头目标跟踪技术仍处于相对简单的单一摄像头、小范围目标跟踪的初 级阶段。 本文的研究内容与意义 如今，伴随着社会经济水平日益提高，摄像头几乎已经遍布城市的每个角落；随着计 算机技术的飞速发展，机器监控取代人眼监控获取图像中的有用信息也成为一种趋势，既 能提高监控的效率，又可以节省人力财力。智能视频跟踪也是计算机视觉的一个研究重点， 实现智能而又准确的目标跟踪对计算机视觉的发展具有重要意义。 社会安防的市场需要智能化高效化的监控设备，因此视频目标检测跟踪技术的出现极 大地拉动了安防市场需求。而诸如奥运会、世博会这一类的大型活动在筹备过程中也给主 办国乃至全球的智能监控系统带来了巨大的刺激效应。基于视频监控的目标识别、检测、 跟踪的技术，涉及自然科学、生理学等多领域的知识，是一个多学科交叉的研究方向，其 主要基础技术包括图像处理、计算机视觉、模式识别、人工智能等理论。在现代化的机场、 车站等人群密集的地方往往安装了大量摄像头，在一个平安城市中拥有的摄像头更是数以 万计，因此一套智能的视频监控系统是实现监控智能化的根本保证，让计算机代替人力对 图像视频进行处理，完成规定的跟踪检测任务，实现智能安防。多摄像机联合目标跟踪属 于新兴技术领域，其是针对单摄像机视野的有限性而提出的一种利用目标特征实现多摄像 机对目标进行大范围的跟踪方法。该方法包括目标特征提取、目标识别和目标跟踪技术等 关键技术。它首先对目标进行特征提取，然后利用跟踪--学习--检测的框架不断地对特征进 行优