基于分層關(guān)聯(lián)的多目標(biāo)跟蹤算法研究

《基于分層關(guān)聯(lián)的多目標(biāo)跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、．１黎’．單位代碼：１０２９３密級：碩女聲僅訟Ａ堂？馬論文題目：基于分層關(guān)聯(lián)的多目標(biāo)跟蹤算法巧寃＇－Ｉ－７’１０１３０１０６０５學(xué)號５ｆｅＳ—姓名古巧棟教授導(dǎo)＂巧信號與信息處己里學(xué)科專業(yè)研究方向圖像處理與多媒體通信工學(xué)碩±申請學(xué)位類別一‘二六年四月零論文提交日期南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。，論文盡我所知，除了文中特別加標(biāo)注和致謝的地方

2、外中不包含其他人己經(jīng)發(fā)表或撰寫過。的研巧成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或化書而使用過的材料一與我同工作的同志對本研巧所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了謝意。一。本人學(xué)位論文及涉及相關(guān)資料若有不實，愿意承擔(dān)切相關(guān)的法律責(zé)任：關(guān)；進(jìn)研究生簽名－｛奪苗南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文１＾＾；１檔允許論文被查閱和借閱；可將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索；、縮印或掃描等復(fù)制手段

3、保存。本文電子文檔的內(nèi)容和紙質(zhì)可［；１采用影印、匯編本學(xué)位論文一生理。致。論文的公布（包括刊登）授權(quán)電大學(xué)研巧院辦論文的內(nèi)容相南京郵授。論解后適用權(quán)書涉密學(xué)位文在密本簽、：名：刖扎生簽名導(dǎo)師ｒ研究薦７ｆResearchonMulti-ObjectTrackingBasedonLayeredAssociationThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByJi

4、ngZhangSupervisor:Prof.DongHuApril2016摘要本文研究單攝像機(jī)下基于檢測的多目標(biāo)連續(xù)跟蹤技術(shù)。論文以在線分層關(guān)聯(lián)框架為基礎(chǔ)，分別在局部關(guān)聯(lián)、全局關(guān)聯(lián)、提取目標(biāo)特征三個問題上展開了深入分析和研究，通過局部關(guān)聯(lián)，實現(xiàn)連續(xù)軌跡和當(dāng)前幀的候選對象關(guān)聯(lián)，通過全局關(guān)聯(lián)，實現(xiàn)斷開軌跡片段和當(dāng)前幀候選目標(biāo)關(guān)聯(lián)，并通過增量線性可判別分析在線自適應(yīng)學(xué)習(xí)更新連續(xù)軌跡與候選目標(biāo)的關(guān)聯(lián)代價函數(shù)，獲得更為連續(xù)和完整的多目標(biāo)的運動軌跡。論文的主要研究工作和創(chuàng)新點如下：（1）提出了遮擋處理的局部關(guān)聯(lián)方法。在關(guān)聯(lián)連續(xù)軌跡和

5、當(dāng)前幀的候選目標(biāo)時，采用目標(biāo)分塊和加權(quán)環(huán)形顏色直方圖的方法，把目標(biāo)劃分成若干分塊，每個分塊都根據(jù)被遮擋情況自適應(yīng)賦予權(quán)值，提取目標(biāo)整體和分塊的顏色信息時使用加權(quán)環(huán)形顏色直方圖，并融入空間信息，改進(jìn)了遮擋時的匹配可靠性。（2）提出了基于運動預(yù)測的全局關(guān)聯(lián)方法。在關(guān)聯(lián)斷開軌跡和當(dāng)前幀的候選目標(biāo)時，采用運動預(yù)測加模糊搜索的方法，在目標(biāo)軌跡斷開處用卡爾曼濾波器預(yù)測可能的搜索中心，向四周做模糊搜索，同時考慮運動特征和表觀特征的相似度判斷周圍是否有匹配的候選目標(biāo)，改善了全局關(guān)聯(lián)的匹配可靠性。（3）提出了基于增量線性可判別分析(ILDA

6、)的自適應(yīng)多目標(biāo)跟蹤方法。在提取目標(biāo)特征的時候引入ILDA，并根據(jù)視頻監(jiān)控需要長時間連續(xù)跟蹤的情況，通過在線自適應(yīng)更新目標(biāo)特征，調(diào)整匹配的關(guān)聯(lián)代價函數(shù)，指導(dǎo)局部關(guān)聯(lián)和全局關(guān)聯(lián)中軌跡的增長，實現(xiàn)了多目標(biāo)的連續(xù)可靠跟蹤。論文通過公開視頻序列對所提出的算法進(jìn)行了實驗分析。實驗結(jié)果表明，遮擋處理的局部關(guān)聯(lián)方法能有效處理目標(biāo)被局部遮擋的情況，基于運動預(yù)測的全局關(guān)聯(lián)方法能夠提高斷開軌跡匹配時的可靠性，基于增量線性可判別分析的自適應(yīng)多目標(biāo)跟蹤方法能夠有效處理多個目標(biāo)外觀相似且空間位置相近的情況。論文最后對全文工作進(jìn)行了總結(jié)，并對后續(xù)研究

7、進(jìn)行了展望。關(guān)鍵詞：多目標(biāo)跟蹤，分層數(shù)據(jù)關(guān)聯(lián)，局部關(guān)聯(lián)，全局關(guān)聯(lián)，增量線性可判別分析IAbstractInthisthesis,thedetectionbasedmulti-objecttrackingfromsinglecameraisstudied.Onthebasisofon-linelayeredassociationframework,thethesishasmadedetailedanalysisandinvestigationonthelocalassociation,globalassociation,an

8、dthefeatureextractionaswell.Bylocalassociation,therelationshipbetweenthecandidateobjectofcurrentimageandthecorrespondingcontinuoustrackisestablished.Byg