非重叠监控摄像机中行人关联技术研究

论文摘要

非重叠监控系统中的目标跟踪是智能监控系统的一个重要研究方向,它指的是融合多监控摄像机的信息,对目标的运动轨迹进行跟踪。非重叠监控摄像机中的目标关联问题是智能监控系统中目标跟踪的核心问题。本文主要研究非重叠监控摄像机中的目标关联,并针对目标关联中的特征提取与匹配进行了深入的研究。通过对目标关联技术现状的研究,分析了其目前存在的问题和突破口,对目标关联与匹配的过程设计了必要的预处理和后处理,并提出了一种基于目标外观特征描述模型的匹配方法。论文的主要内容包括:1.通过对静止摄像机中运动目标检测的研究,基于减背景方法设计了一种基于颜色聚类与人体区域模型的目标提取基本框架,通过引入颜色分割的方法,有效地解决了减背景方法中目标检测不完整的问题,提高了目标特征提取的效果。2.在目标特征提取与匹配这个步骤中,针对传统MCSHR方法的缺点,提出了基于颜色空间分布模型的方法,更好地处理了不同目标之间的外观差异性问题。同时,提出了一种基于纹理模式重建的目标匹配方法,更加符合人类的认知特点,并设计了具体的匹配算法,能够有效地提高目标匹配的准确率,丰富了目标外观特征描述方法。3.针对传统的目标关联方法没有很好地利用监控视频中目标连续图像特征的缺点,提出了基于Adaboost的连续目标图像序列目标关联方法。利用目标的连续图像特征训练Adaboost的组合分类器,并将其用于非重叠监控摄像机中的目标关联,提高了目标关联的准确率。结合以上的方法,通过实验关联了监控视频中的运动目标。选择了不同视域多个监控视频中的运动目标,提取特征进行匹配,并给出了关联结果,验证了本文方法的合理性和有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及问题提出
• 1.2 国内外研究现状
• 1.2.1 匹配特征的提取以及匹配研究现状
• 1.2.2 基于多种匹配方法融合的目标关联研究现状
• 1.3 主要研究内容及贡献
• 1.3.1 研究思路
• 1.3.2 研究内容及贡献
• 1.4 论文组织结构
• 第二章 基于颜色聚类的运动目标检测与提取
• 2.1 方法流程
• 2.2 基于减背景的运动目标检测
• 2.3 基于爬山算法与K-means 方法的颜色聚类
• 2.3.1 基于爬山算法的空间极值点搜索
• 2.3.2 基于K-means 算法的图像像素聚类
• 2.4 基于人体区域模板的目标提取
• 2.5 实验结果及分析
• 2.5.1 实验方法与步骤
• 2.5.2 实验结果与分析
• 2.6 本章小结
• 第三章 目标特征提取与匹配
• 3.1 基于MCSHR 的颜色空间分布模型匹配
• 3.1.1 基于颜色聚类的MCSHR 方法
• 3.1.2 基于颜色空间分布模型的目标匹配方法
• 3.2 基于统计纹理特征的目标匹配
• 3.2.1 基于统计方法的目标纹理特征描述
• 3.2.2 基于统计纹理特征的目标匹配
• 3.3 基于曲线特征统计的目标纹理模式重建
• 3.3.1 目标纹理模式曲线统计
• 3.3.2 目标纹理模式重建
• 3.3.3 基于统计方法的目标纹理模式识别
• 3.4 目标外观特征描述
• 3.5 实验与结果分析
• 3.5.1 实验方法与步骤
• 3.5.2 基于MCSHR 的颜色空间分布模型匹配实验结果及分析
• 3.5.3 基于统计纹理特征的目标匹配实验结果及分析
• 3.5.4 基于纹理模式重建的目标匹配实验结果及分析
• 3.6 本章小结
• 第四章 基于Adaboost 组合分类器的目标关联
• 4.1 Adaboost 算法的基本原理
• 4.2 组合分类器的构建与目标关联
• 4.2.1 单摄像机运动目标跟踪
• 4.2.2 基于连续图像序列的Adaboost 组合分类器
• 4.2.3 非重叠监控摄像机中目标关联
• 4.3 实验与结果分析
• 4.3.1 实验方法与步骤
• 4.3.2 实验结果与分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 全文研究总结
• 5.2 展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果