探析交通场景中智能多目标跟踪技术研究

《探析交通场景中智能多目标跟踪技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文交通场景中智能多目标跟踪技术研究姓名：满征瑞申请学位级别：硕士专业：计算机应用技术指导教师：陶文兵20090501华中科技大学硕士学位论文摘要基于计算机视觉的视频监控技术利用图象处理技术分析视频序列中的目标及其相互关系，在场景中检测目标、跟踪目标并对目标的行为进行分析与描述。视频监控技术在近十年取得了长足的进步，但由于场景复杂性以及目标运动特性的影响，在目标信息提取和目标跟踪方面仍然面临着许多问题。通过对时域信息以及空域信息分析，将多高斯混合模型与GraphCuts优化技术融合，利用GraphC

2、uts全局最优特性，结合自适应的信息融合策略提取目标。一方面通过对自适应多高斯混合模型提取的前景信息进行无监督学习，构建似然能量模型，通过GraphCuts优化技术提取目标。另一方面通过计算背景概率密度图，结合GraphCuts技术优化Gibbs能量模型提取目标。在目标跟踪方面，利用预测模型对目标的历史运动信息进行分析，预测当前时刻目标的状态。将GraphCuts技术应用于目标跟踪，融合形状信息及窄带信息约束GraphCuts模型的构建，通过分割方法跟踪目标。结合目标信息提取的结果，融合模板匹配与区域检测方法跟踪目标，

3、利用基于窄带的GraphCuts技术对跟踪结果进行分割，提取目标区域，实时的更新目标模板。通过目标检测技术将目标信息提取与目标跟踪技术相结合，在场景中自动地检测和标记目标，并实时地跟踪。实现了一个自动的多目标检测及跟踪系统，通过对历史序列中提取的目标信息进行分析，自动完成多目标检测，融合目标管理策略在连续的视频序列中同时跟踪多个目标。关键词：视频监控，运动目标提取，目标跟踪，图切割，能量优化，模板检测I华中科技大学硕士学位论文AbstractVideosurveillanceindynamicscenebasedonc

4、omputervisiontechniqueanalyzestherelationbetweentheobjectsinscene,andthendetects,tracksandrecognizesthebehaviorofthetargetsinthevideosequences.Althoughtvideosurveillancetechniquehasmadeconsiderableprogressduringthepasttenyears,itstillfacesmanychallengesonmotiond

5、etectionandtargettrackingduetoitscomplexity.DynamicobjectextractionapproachesareproposedwhicharebasedonMulti-GaussianMixtureModelandGraphCutsmethod.Theintegratedmethodsextractobjectsbyadaptivelyfusingthetemporal-spaceinformation,usingtheglobaloptimalfeaturesofgr

6、aphcuts.TheonemethodunsupervisedlylearnstheMulti-Gaussianmixturemodel,buildslikehoodenergyfunction,andthenusesgraphcutsmethodtooptimizethefunctiontoextractthemotionobjects.Theothermethodfirstcomputestheprobabilitydensitymap,constructstheGibbsenergymodel,thenopti

7、mizetheenergybygraphcutsmethod.Targettrackingalgorithmbasedontheintegrationofmultipleinformationintheframeworkofpredictionmodelisproposed.Throughpredictionmodel,targethistorymotioninformationisanalyzedandcurrentstateispredicted.Onetrackingalgorithmisproposedbase

8、dontemplateandregioninformationbyuseofmotioninformation.Anotherwayistousenarrowbandbasedgraphcutsandintegratetheshapeinformationtotrackobject.Atlast,theintegrationoft