基于O2O學習的多目標檢測與跟蹤技術研究.pdf

1、智能視頻監(jiān)控中，利用計算機實時定位視頻中感興趣的、顯著視覺特征的多個獨立目標，精確計算出目標在視頻中位置大小、運動速度、表觀特征等狀態(tài)信息，為目標分類識別、行為理解等高層處理提供數(shù)據(jù)的多目標檢測與跟蹤技術仍然是研究的熱點。視頻信息包括幀間信息和幀內(nèi)信息?，F(xiàn)有基于運動信息的檢測跟蹤系統(tǒng)，只利用幀間運動信息而忽視了幀內(nèi)物體表觀信息，系統(tǒng)無法檢測靜止狀態(tài)的目標，運行過程中不能繼續(xù)跟蹤由運動變靜止的目標。
　　針對運動檢測系統(tǒng)無法提取靜止

2、狀態(tài)目標的問題，采用了O2O檢測算法：在線（Online）幀間運動檢測，離線（Offline）幀內(nèi)表觀檢測；運動檢測通過幀間信息提取出運動的目標；表觀檢測彌補運動檢測的不足，提取出靜止的目標；學習兩者提取結果，輸出綜合檢測結果。
　　針對運動檢測檢測到目標包含一些非跟蹤目標噪聲的問題，離線訓練好一類目標的隨機森林分類器，用分類器排除不需跟蹤的目標，濾除噪聲，提高跟蹤準確度，減小跟蹤計算量。
　　針對傳統(tǒng)跟蹤方法無法繼續(xù)跟蹤停

3、止目標的問題，采用了融合特征匹配與數(shù)據(jù)關聯(lián)的多目標跟蹤算法；跟蹤系統(tǒng)使用幀間數(shù)據(jù)關聯(lián)算法來判斷目標前后幀的關聯(lián)、新目標產(chǎn)生和目標消失；當判斷一個目標消失時，系統(tǒng)自動在目標消失時刻的位置，使用幀內(nèi)特征匹配算法，用存儲的該目標特征來匹配當前位置區(qū)域圖像，從而識別目標，驗證其是否真消失。
　　具體的研究內(nèi)容：首先，使用基于背景差分法的幀間運動檢測算法，獲取視頻幀間運動信息、目標狀態(tài)數(shù)據(jù)；采用基于分類器的幀內(nèi)表觀檢測算法，獲取視頻幀內(nèi)表觀