CASIA OpenIR  > 毕业生  > 博士学位论文
智能视频监控中运动目标检测与跟踪技术的研究
其他题名Research on Moving Object Detection and Tracking in Intelligent Visual Surveillance
杨杰
学位类型工学博士
导师卢汉清
2007-05-21
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业计算机应用技术
关键词智能视频监控 背景建模 目标跟踪 基于mcmc的粒子滤波 Intelligent Visual Surveillance Background Modeling Object Tracking Mcmc-based Particle Filter
摘要智能视频监控技术是计算机视觉领域近年来新兴的一个研究方向。它的主要研究目标是利用计算机视觉技术、图像视频处理技术和人工智能技术对监控视频的内容进行描述、理解和分析,从而使视频监控系统具有较高的智能化水平。它的主要研究内容包括:监控视频中运动信息的提取、目标的检测、目标的跟踪、以及目标的识别和行为分析等。智能视频监控技术可被用于公共安全监控、医疗看护、智能交通等众多的领域,具有深刻的理论价值和广泛的应用前景,已成为学术界和工业界研究的热点。 本文主要致力于智能视频监控中运动信息提取、目标检测以及多目标跟踪方面的研究,主要工作集中在以下几个方面: 1. 提出了一种基于层次结构的背景建模技术提取监控视频中的运动信息,该方法对背景建立宏块级和像素级的模型,分别使用了纹理特征和颜色特征。在快速精确地提取运动目标区域的同时,还能够克服光照变化带来的影响。通过实验结果可以看出与传统的混合高斯背景建模方法相比,本文的方法具有更高的运行效率,同时对光照变化具有更好的鲁棒性。 2. 提出了一种新的模型参数更新机制,提高了基于混合高斯模型的背景建模方法中,高斯分量均值和方差的收敛速度。该方法通过在高斯分量初始化阶段从观测样本中获取高斯分布参数的最小方差无偏估计,从而提高混合高斯模型参数收敛的速度。通过在模拟数据上的实验,我们可以看出本文提出的方法大大提高了混合高斯模型中高斯分量均值和方差的收敛速度。 3. 使用机器学习的方法代替传统的连通域分析、模板匹配的方法检测运动前景中的目标。通过大量包含目标各种姿态的统计样本学习出一个分类器作为目标检测器。在使用AdaBoost学习分类器的同时,选出一组稀疏的特征表示目标,并将目标的稀疏表示用于目标跟踪时贝叶斯框架中的观测模型,提高了目标表示的效率。 4. 提出了一种动态群组划分的多目标跟踪方法。对于每一帧图像中的多个目标在跟踪之前,首先使用层次聚类的方法按照目标之间的距离将其动态分组,为每组目标分配一个跟踪器。如果该组只包含一个目标,则使用一个单目标跟踪器;如果该组包含多个目标,则使用一个多目标跟踪器在多个目标的联合状态空间中求解多个目标联合分布的最优状态。对目标动态分组跟踪的方法克服了使用多个独立的单目标跟踪器跟踪多个目标时,容易发生目标的合并错误,以及使用一个多目标跟踪器在所有目标的联合状态空间中跟踪效率低下的问题。
其他摘要Intelligent visual surveillance is emerging orientation in the community of computer vision. Its main goal is to realize the description, understanding and analysis of the surveillance video by employing computer vision technology, image/video processing technology and artificial intelligence technology. The research contents of the intelligent visual surveillance include: motion information extracting, object detection, object tracking, object recognition and behavior analysis. Intelligent visual surveillance can be applied to public safety protection, medical care, intelligent traffic management, and many other fields, having a profound theoretical value and wide application prospects. This thesis mainly focuses on motion information extracting, object detection and object tracking, which involves the following contents: 1. We propose a hierarchical approach for background modeling and moving objects detections in the intelligent visual surveillance system. The proposed approach models the background in block level and pixel level hierarchically, and the background is represented by texture information in block level and by color information in pixel level respectively. The proposed approach can extract the motion information with fast speed, and is robust to the lighting variance. The experimental results demonstrate the effectiveness and efficiency of the proposed approach. 2. The variable model parameters learning rate is proposed to speed up the convergence of the model parameters in the Gaussian mixture model for background modeling. The proposed method speeds up the convergence of the model parameters by obtaining the MVU (Minimum Variance Unbiased) estimates of the distribution parameters at the initial stage of establishing a new Gaussian distribution. From the experiments on the simulated data, we can see that the convergence speed of the mean and variance of the Gaussian component in the Gaussian mixture model are boosted. 3. Instead of connected component analysis, template matching for object detection, we use machine learning based method to detect object. We train the classifier for object detection by using enormous samples containing the objects with different pose. Meanwhile, the sparse features are learned to represent the object by AdaBoost algorithm, and the sparse representation will be used in observation model of Bayesian framework for object tracking. 4. We propose a group based approach for multiple object tracking. The propo...
馆藏号XWLW1572
其他标识符200718014628071
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/5965
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
杨杰. 智能视频监控中运动目标检测与跟踪技术的研究[D]. 中国科学院自动化研究所. 中国科学院研究生院,2007.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20071801462807(1990KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[杨杰]的文章
百度学术
百度学术中相似的文章
[杨杰]的文章
必应学术
必应学术中相似的文章
[杨杰]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。