详情

原文传递基于稀疏表示和压缩感知的视频跟踪技术及其应用研究

论文题名：	基于稀疏表示和压缩感知的视频跟踪技术及其应用研究
关键词：	内河船舶;视频跟踪;稀疏表示;压缩感知;特征匹配
摘要：	随着电子、通信及计算机技术的不断发展，视频监控系统在交通监控、社区安全防范及内河航运等领域发挥着越来越重要的作用。视频跟踪技术是智能视频监控系统最重要的核心技术之一，同时也是进行更高层次行为分析、识别及事件处理的必要前提。经过国内外学者多年的研究，视频目标跟踪技术有了很大的发展。近几年来一些学者将压缩感知理论和稀疏表达技术应用于该领域，得到了一些实时性好或精度高的跟踪算法，但实践表明在复杂场景（尺度变化、光照变化、遮挡、姿态变化、旋转、突然运动、杂乱背景等）下的实时目标跟踪技术还远未成熟，视频目标跟踪算法仍然面临诸多挑战。此外，以内河船舶为目标的视频跟踪算法相对较少，研究可应用于内河船舶目标跟踪和无重叠视野内河船舶目标交接，且实时性和鲁棒性均符合实际需求的算法，对内河航运CCTV智能监控系统的建设有着十分重要的意义。本文以压缩感知理论和稀疏表达技术为基础，探索复杂场景下的目标跟踪及目标交接技术，为实时且持续跟踪内河船舶目标提供一定的理论基础和技术支持。本文完成的主要工作和取得的研究成果如下：　　（1）传统压缩跟踪算法具有良好的实时性，然而它没有考虑在遮挡情况下，不同样本对分类器的贡献度并不相同，因此当目标被持续或严重遮挡时容易出现跟踪漂移现象。为提高压缩跟踪算法在遮挡环境下的鲁棒性，提出了一种基于子区域分类器的改进压缩跟踪算法。首先，将目标区域按照固定模式划分为四个子区域，并对应产生四个子区域分类器；其次，在刚体假设条件下目标最终位置由置信度最高的子区域来计算；最后，提出了一种简单而有效的更新子区域分类器参数的新方法。视频跟踪实验证实了该算法在遮挡情况下具有较好的鲁棒性。　　（2）基于L2范数正则化最小二乘的目标跟踪算法（L2）能较好地处理视频场景中多种复杂的外观变化，但该算法在目标发生姿态变化或旋转时容易出现跟踪漂移现象，为此提出了一种基于L2-RLS和压缩Haar-like特征匹配的目标跟踪算法（L2CHFM）。首先，利用L2算法来估计遮挡率；接着判断遮挡率是否满足不等式约束条件，如果满足则启用压缩Haar-like特征匹配模块；最后利用最小误差界准则去除大多数不重要粒子，以进一步降低时间复杂度。本文在多个标准视频序列上进行了跟踪实验，对实验结果定性和定量分析都说明L2CHFM算法比L2算法具有更强的抗姿态变化及旋转能力，而跟踪速度仅略低于L2算法。　　（3）基于L2范数最小化的算法去除了稀疏跟踪中常用的琐粹模板集，实时性较好，但它在目标发生姿态变化或旋转时的跟踪性能较差。为此提出了一种融合L2范数最小化和压缩 Haar-like特征匹配的的快速视频跟踪算法（FL2CHFM）。FL2CHFM算法通过去除规模庞大的方块模板集和简化观测似然度函数来降低算法的时间复杂度，同时利用压缩Haar-like特征匹配技术来增强算法对目标姿态变化及旋转的鲁棒性。实验结果表明FL2CHFM算法在复杂场景下比目前多个主流的视频跟踪算法具有更好的鲁棒性，且平均跟踪速度可达29帧/秒。最后，研究低分辨率下的FL2CHFM算法（FL2CHFM L）并应用于内河船舶跟踪，实验表明FL2CHFM L算法的稳定性和精度都高于目前主流的快速视频跟算法，且可满足实时船舶跟踪要求。　　（4）相邻摄像机间的内河船舶目标交接是实现无重叠视野下持续目标跟踪的关键。在使用驾驶舱区域，而不是整个船舶来表示目标的基础上，本文提出了一种无重叠视野内河船舶目标快速再识别和定位的新方法，主要贡献有以下四点：一是使用改进的FCT算法完成目标在后继摄像机中的快速检测和定位；二是利用朴素贝叶斯分类器最大输出响应确定目标交接时刻；三是利用多尺度方向梯度直方图特征匹配技术实现疑似目标再确认；四是该算法对视频数据的平均处理速度达到60帧/秒，可满足内河船舶快速目标交接处理要求。
作者：	吴正平
专业：	信息与通信工程
导师：	杨杰
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2017
正文语种：	中文