学位论文 > 优秀研究生学位论文题录展示

无重叠视域多摄像机目标跟踪研究

作　者: 王斌
导　师: 齐美彬; 蒋建国
学　校: 合肥工业大学
专　业: 信号与信息处理
关键词: 无重叠视域多摄像机 目标跟踪 目标匹配 拓扑关系 LFDA D-S证据理论 离散粒子群算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载
 

内容摘要


现代的监控系统大多应用在商场、银行等大型场所，理论上应该使用大量摄像机覆盖所有监控区域，但这样做成本过高，而且没有必要，因此无重叠视域多摄像机监控系统便应运而生。由于无重叠视域多摄像机监控系统中目标在时空上都是离散的，如何对不同摄像机检测出的目标进行匹配以及利用匹配的结果获取目标在一定时间内的运动轨迹是无重叠视域监控领域研究的关键问题。为了解决上述问题，本文提出结合多种目标表现模型和摄像机间拓扑关系，并运用智能优化算法求解目标最优路径集合，从而实现目标的持续跟踪。论文的主要工作和创新如下：（1）研究摄像机拓扑关系获取问题。本文采用一种在线拓扑关系估计方法，根据单摄像机目标检测的结果获得单个摄像机的进出口位置，使用高斯模型模拟摄像机间的转移时间概率，为目标匹配和关联提供一个可靠的时间约束关系，效果较为良好。（2）研究不同摄像机间的样本匹配问题。本文提出了结合颜色直方图、H分量模型和SURF特征点的多表现模型及匹配算法。其中，针对颜色直方图运用BTF弥补其缺乏空间信息的劣势；考虑到H分量对光照变化不敏感，结合LFDA方法消除光照外的干扰；SURF特征点对旋转、尺度变化有良好的鲁棒性，通过比较特征点间的距离求出运动目标间的相似度。这三种匹配模型可相互补充，提高外观模型匹配的准确性。（3）研究摄像机间目标关联问题。本文使用D-S证据理论对上述特征进行概率融合，提高目标匹配的准确性；同时运用离散粒子群优化算法（DPSO），根据样本匹配的相似度获取多个目标在一定时间内的运动轨迹。

全文目录


摘要  5-6
ABSTRACT  6-7
致谢  7-8
目录  8-12
第一章 绪论  12-19
  1.1 引言  12
  1.2 研究背景与意义  12-13
  1.3 国内外研究现状  13-16
    1.3.1 摄像机拓扑关系估计  13-14
    1.3.2 目标表达与匹配  14-15
    1.3.3 摄像机间目标关联  15-16
  1.4 无重叠视域监控系统中目标跟踪的主要技术难点  16-17
  1.5 本文主要创新点与结构安排  17-19
第二章 单摄像机运动目标检测与跟踪  19-25
  2.1 概述  19
  2.2 目标检测算法  19-22
    2.2.1 背景减法  19-20
    2.2.2 帧间差法  20-21
    2.2.3 光流场法  21-22
  2.3 目标跟踪算法  22-24
  2.4 本章小结  24-25
第三章 摄像机网络拓扑关系估计  25-31
  3.1 概述  25
  3.2 拓扑关系的估计  25-27
  3.3 实验结果  27-30
  3.4 本章小结  30-31
第四章 摄像机间目标匹配  31-50
  4.1 目标匹配的概述  31
  4.2 基于颜色分量的目标匹配  31-37
    4.2.1 亮度转移函数（BTF）概述  31-32
    4.2.2 亮度转移函数（BTF）训练  32-33
    4.2.3 实验结果  33-37
  4.3 基于 H 分量的目标匹配  37-45
    4.3.1 局域线性辨别分析（LFDA）概述  37-38
    4.3.2 局域线性辨别分析（LFDA）训练  38-41
    4.3.3 实验结果  41-45
  4.4 基于 SURF 特征点的目标匹配  45-49
    4.4.1 SURF 特征点提取  45-46
    4.4.2 SURF 特征点定位  46
    4.4.3 SURF 特征点描述  46-47
    4.4.4 实验结果  47-49
  4.5 本章小结  49-50
第五章 摄像机间目标关联  50-61
  5.1 目标关联概述  50
  5.2 基于 D-S 证据理论的多特征融合  50-53
    5.2.1 D-S 证据理论  50-51
    5.2.2 特征融合  51
    5.2.3 实验结果  51-53
  5.3 基于离散粒子群优化算法的目标关联  53-60
    5.3.1 离散粒子群优化算法概述  53-55
    5.3.2 算法设计  55-57
    5.3.3 实验结果  57-60
  5.4 本章小结  60-61
第六章 总结与展望  61-64
  6.1 本文工作总结  61-62
  6.2 研究展望  62-64
参考文献  64-68
攻读硕士学位期间发表论文及参与项目  68-70

相似论文

  1. 带径向速度观测的跟踪算法研究,TN953
  2. 双传感器图像联合目标检测及系统实现研究,TP391.41
  3. 空间交会接近视觉测量方法研究,TP391.41
  4. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  5. 移动机器人视觉检测和跟踪研究,TP242.62
  6. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  7. 红外图像目标识别及跟踪技术研究,TP391.41
  8. 基于物联网的农产品安全监控系统与决策系统研究,TP277
  9. 基于运动目标轨迹分析的智能交通监控系统,TP277
  10. 无线传感器网络的目标定位跟踪算法研究,TN929.5
  11. 基于数据融合技术舞台故障诊断方法的研究,TP18
  12. 传感器网络中目标跟踪算法研究,TN929.5
  13. 改进的D-S证据理论的信息融合技术在发电机组旋转设备故障诊断中的应用,TM307.1
  14. 高尔夫球童机器人视觉跟踪模块设计,TP242.62
  15. 基于随机集的不确定性信息融合方法在风力发电机组故障诊断中的应用,TM315
  16. 配电网小电流接地故障诊断系统的研发及应用,TM862
  17. 视频监控运动目标检索方法研究,TP391.41
  18. 多摄像机视频监控中基于几何约束的目标匹配技术研究,TP391.41
  19. 运动目标检测与跟踪的研究,TP391.41
  20. 基于主颜色谱及空间分布熵的目标匹配技术研究,TP391.41
  21. 动态场景下运动目标检测与跟踪算法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com