資源描述：
《無重疊視野多攝像機目標跟蹤關鍵技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術(shù)論文-天天文庫。
1、隸韻大◆粵博士學位論文萬方數(shù)據(jù)無重疊視野多攝像機目標跟蹤關鍵技術(shù)研究研究生姓名：拯崖萬方數(shù)據(jù)RESEARCHONKEYTECHNIQUEOFTAR-GETTRACKjNGACROSMULTIPLENON—OVERLAPPINGCAMERASADissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofDoctorofEngineeringBYY入NGBiaoSupervisedbySupervisedbyProfessorZHANGWei-gongSchoolofInstrumentScienceandEngineeri
2、ngSoutheastUniversityJuly2014萬方數(shù)據(jù)東南大學學位論文獨創(chuàng)性聲明本人聲明所呈交的學位論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得東南大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。丑啤，壘乙里置東南大學學位論文使用授權(quán)聲明東南大學、中國科學技術(shù)信息研究所、國家圖書館有權(quán)保留本人所送交學位論文的復印件和電子文檔，可以采用影印、縮印或其他復制手段保存論文。本人電子文檔的內(nèi)
3、容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布(包括刊登)論文的全部或部分內(nèi)容。論文的公布(包括刊登)授權(quán)東南大學研究生院辦理。一齠憫新簽靜K飛嗍齜哏勺百萬方數(shù)據(jù)東南大學博士學位論文中文摘要摘要無重疊視野多攝像機監(jiān)控是視頻監(jiān)控技術(shù)的未來發(fā)展方向，它通過協(xié)調(diào)重點區(qū)域的離散監(jiān)控結(jié)果，實現(xiàn)了在較低成本下對大范圍區(qū)域進行監(jiān)控。無重疊視野多攝像機監(jiān)控的基礎是無重疊視野多攝像機目標跟蹤，即在離散攝像機視野下對目標進行連續(xù)跟蹤。實現(xiàn)目標連續(xù)跟蹤的關鍵是準確地檢測并跟蹤進入單攝像機視野的目標，并將不同視野下的相同目標關聯(lián)起來。本文在整合課題組已有成果的基礎上，圍繞無重
4、疊視野多攝像機目標跟蹤中的若干關鍵技術(shù)展開系統(tǒng)性的研究。論文的主要內(nèi)容及研究成果包括：(1)進行了運動目標檢測算法的研究。目標檢測算法由于應用環(huán)境的不同，對實時性與魯棒性的要求不盡相同。針對實際應用的不同需求，研究了兩種目標檢測算法，分別強調(diào)了算法的實時性與魯棒性。研究了一種基于分塊連通域分析的實時目標檢測算法，利用背景差分法檢測前景，并對前景進行分塊連通域分析以檢測目標。算法利用分區(qū)域加權(quán)更新策略維持背景模型，從而使其對光照變化具有一定的魯棒性。提出了一種魯棒的分塊RPCA目標檢測算法，利用RPCA技術(shù)將輸入幀分為低階背景與稀疏前景，并對前景進行去噪、去陰影處理以提高目標檢測的效果。試
5、驗表明，實時性目標檢測算法可以在普通監(jiān)控環(huán)境下完成目標檢測任務，在惡劣監(jiān)控環(huán)境下，需要利用魯棒性目標檢測算法完成目標檢測任務。(2)進行了單視野目標跟蹤算法的研究。單視野目標跟蹤算法由于應用環(huán)境的不同，對實時性與魯棒性的要求不盡相同。針對實際應用的不同需求，研究了兩種單視野目標跟蹤算法，分別強調(diào)了算法的實時性與魯棒性。研究了一種基于相鄰幀重疊面積分析的實時目標跟蹤算法，通過關聯(lián)每一幀的檢測結(jié)果對目標進行跟蹤。算法利用目標相鄰幀的重疊面積代替中心距離作為判斷目標是否關聯(lián)的依據(jù)，可以處理目標自遮擋情況。提出了一種基于改進粒子濾波與稀疏表示的魯棒目標跟蹤算法，采用改進粒子濾波作為跟蹤框架，利用
6、分塊稀疏表示構(gòu)造目標的觀測模型，從而實現(xiàn)在惡劣環(huán)境下對目標的魯棒跟蹤。試驗表明，實時性目標跟蹤算法可以在普通監(jiān)控環(huán)境下完成目標跟蹤任務，對于復雜監(jiān)控環(huán)境，需要利用魯棒性目標跟蹤算法準確地跟蹤目標。(3)進行了無重疊視野目標觀測模型構(gòu)建的研究。針對室內(nèi)外環(huán)境中監(jiān)控對象的區(qū)別，設計了兩種觀測模型。對于室內(nèi)的行人目標，構(gòu)造了一種基于分塊主顏色特征與空間紋理特征的行人觀測模型。其中，主顏色特征用來描述目標的宏觀信息，空間紋理特征用來描述目標的細節(jié)信息。通過在主顏色匹配時引入標準化RGB距離，提高了主顏色特征對光照變化的魯棒性。針對室外的車輛目標，構(gòu)造了一種基于主顏色特征與SURF關鍵點特征的車輛
7、觀測模型?？紤]到不同車輛在車燈、門窗以及前臉部分存在的差異要大于車身圖案的差異，本文采用SURF關鍵點特征代替空間紋理特征來描述車輛的細節(jié)信息。試驗表明，室內(nèi)行人觀測模型具有較強的區(qū)分能力，相比而言車輛觀測模型的區(qū)分能力稍弱，但也具備一定的區(qū)分能力。(4)進行了攝像機網(wǎng)絡拓撲結(jié)構(gòu)自適應學習算法的研究。傳統(tǒng)的監(jiān)督式拓撲學習算法需要大量人為標記的數(shù)據(jù)，大大增加了系統(tǒng)開銷。針對這個不足，提出了一種無監(jiān)督式的拓撲結(jié)構(gòu)白適應學習算法。通過混合
