论文题目视频监控系统中基于Kalman滤波器的目标跟踪技术研究

《论文题目视频监控系统中基于Kalman滤波器的目标跟踪技术研究》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、论文中英文摘要作者姓名：王津论文题目：视频监控系统中基于Kalman滤波器的目标跟踪技术研究作者简介：王津，男，1985年08月出生，2007年09月师从于云南大学张学杰教授，于2010年6月获硕士学位。中文摘要随着信息技术的飞速发展，以及视频监控系统，如视频交通监控系统，社区视频安防系统等的不断普及，人们对视频监控系统的智能化需求不断增加。智能视频监控系统是近年来计算机视觉领域新兴的一项技术。其利用计算机视觉技术对视频信号进行处理、分析和理解，并对视频监控系统进行控制，从而提高传统视频监控系统智能化水平。传统的视频监控系统仅能提供众多数目摄像机视频，使得操作者在使用时难

2、以整体控制，效率低下。并且传统的视频监控系统记录下大量无用或者冗余的视频信息，不利于后期的管理与检索。而智能视频监控系统结合计算机视觉、图像视频处理、自动控制和人工智能领域众多核心技术，不但能用众多的摄像机代替真实的人眼来工作，并且能让整个视频监控任务变得尽可能自动化。作为计算机视觉、模式识别以及人工智能多学科融合的技术，智能视频监控系统的目的就是要尝试从视频序列中检测、识别、跟踪一个确定的目标并能够理解这个目标的行为模式。智能视频监控系统一般分为运动目标检测、运动目标跟踪和行为识别理解三个过程，运动目标跟踪是其中的关键技术。运动目标跟踪的目的是从目标检测中提取目标的运动

3、信息，并为高层的行为识别、行为理解提供可靠的基础。因此，运动目标跟踪的结果好坏往往会影响到后续更高层次算法的分析结果。针对静态背景以及动态背景下的运动目标跟踪技术，学术界已经进行了广泛、深入的研究，并且已经提出了大量的算法。但是，由于在实际的视频监控系统中，人们所面临的监控环境复杂而且不确定，运动目标会受到光照变化、背景扰动和遮挡一系列情况的影响，已有方法的跟踪效果仍然不够理想。因此，对于长时间可靠的运动目标跟踪技术研究仍然是一项极具挑战性的课题。在实际目标跟踪的过程中，如果只有来源于目标颜色外形的信息，一旦所跟踪的目标遇到光照变化以及其他一些干扰，例如以下几种情况，跟踪

4、将无法准确地进行：a)不同的被跟踪目标具有近似的外表，这样，它们也会具有近似的颜色直方图；b)同一个被跟踪目标由于运动在不同的光强度下所表现出来不同的外表，在此情况下，该目标可能出现多种不同的颜色直方图。同时，遮挡问题也是多目标跟踪中不可避免的问题，但是一些已有的工作并没有彻底的解决这个问题。因此，在受到光照影响和遮挡的情况下，对于多个目标的跟踪将会变得异常复杂，将被跟踪目标的运动信息与外形信息结合起来将会是一个比较可行的解决方案。这样，整个目标跟踪过程可以认为是一个对目标运动状态的概率密度估计过程。卡尔曼滤波器是一种经典运动状态的贝叶斯估计方法。如果整个过程满足线性、高

5、斯的条件，那么利用卡尔曼滤波器对其进行求解将会是一个理想的解决方法。因此，本文提出一种结合卡尔曼滤波器和颜色直方图的运动目标跟踪方法，同时利用卡尔曼滤波器对目标的位置、运动速度以及大小的信息进行建模，并通过结合目标的颜色直方图表现目标的颜色信息，对目标进行跟踪，解决了光照变化下无法准确进行目标跟踪的问题。对于静态遮挡，通过预先指定的遮挡可能发生区域以及卡尔曼滤波器的预测机制，运动目标一旦进入该区域而且颜色直方图与之前不匹配，那么该目标在该位置发生了静态遮挡。通过动态地改变滤波器的过程噪音协方差矩阵和观测噪音协方差矩阵，算法可以在遮挡中对目标进行跟踪。而在遮挡结束后，通过匹

6、配被跟踪目标及待检测目标之间的直方图，来校正目标的运动轨迹以及目标的运动信息等。对于动态遮挡，我们利用类似数据关联矩阵的方法来判断运动目标之间是否发生了动态遮挡。通过Merge-Split策略，可以在遮挡前、遮挡时、遮挡后对运动目标进行持续跟踪。整个方法在PETS2000数据库与PETS2001数据库中进行了实验，并相应给出实验结果与分析。同时，行人计数和区域密度评估对于人群大范围聚集区域，如车站、机场来说，是一项相当重要的工作。在这些场景的自动人数评估系统将能为安防视频监控系统提供大量可用数据。PETS’2009也将这两种应用作为了核心的主题进行讨论。在一些复杂场景，一

7、旦运动目标聚集或者停止时，利用传统的目标检测方法例如混合高斯模型GMM，是很难通过背景建模和背景差法提取出运动前景，或是提取的前景包括很多运动目标而难以进行分割。同样，如果背景发生了改变，整个背景模型将不再适用。针对这些问题，利用机器学习进行图像级的目标检测将是一种可行的解决方案。已有工作通过Haar特征、SIFT特征、SVM支持向量机等方法，都没有完全解决这种情况下的目标检测与跟踪问题。因此，本文引入有向梯度直方图HOG(HistogramofOrientedGradient)，它是行人检测中一种形状特征描述符，N.Dala