检测和跟踪
摘要：
随着⼈民⽣活质量的迅速提⾼,⼯业⽣产、家居⽣活服务、公共场所等各个领域的正常⼯作都要求智能视频监控系统的协助，并且对于智能监控系统的性能要求也越来越⾼。所谓智能视频监控系统就是指在不需要⼈为帮助的情况下,⾃动的对监控摄像头获取的相关信号利⽤图像处理、模式识别和机器学习等相关⼯具进⾏处理，主要包括⽬标检测跟踪、⽬标动作识别和⾏为分析等。⽬前市场上的已经投⼊使⽤的多数视频监控系统都没有智能分析能⼒或者智能分析能⼒不⾜，因此在不增加硬件成本和⼤⼤减少⼈⼒成本的前提下，努⼒提升现有视频监控系统的性能，使其尽量达到先进监控系统所具有的功能，是⼀个⾮常重要的研究课题。 本课题主要是解决实验室现有的海康视频监控系统的智能化分析功能不⾜的问题。主要内容是利⽤提出的⽬标检测跟踪算法对获得的海康远程实时视频流进⾏⽬标检测和定位，进⽽提取感兴趣⽬标的有关特征,⽐如⽬标轮廓和轨迹，从⽽为⽬标的动作识别和⾏为分析打下坚实基础。最终⽬标是使该视频监控系统逐渐具有现有的先进智能视频监控系统所具有的所有智能分析功能。 ⾸先利⽤海康提供的SDK中的相关接⼝函数获得通过⽹络传输的实时视频流，并将获取的YV12视频格式转为常⽤的RGB格式，然后利⽤时间和空间信息相结合的背景建模⽅法进⾏⽬标检测。根据实时视频的前N帧为视 频图像中的每个像素点建⽴⼀个由多个码字组成的码本背景模型，这个模型充分的描述了像素序列的时间信息；同样利⽤这N帧视频图像根据局部不变三元模式建⽴像素空间纹理背景模型。对于当前帧的某个像素点，当且仅当它同时满⾜码本和纹理背景模型时，此点为背景点，否则判为前景点。其中码本背景模型利⽤增加和删除码字的形式更新背景，纹理背景模型采⽤传统的背景更新⽅法进⾏背景更新。最后本⽂还利⽤检测结果绘制了⽬标的轮廓和运动轨迹。 本⽂将⽬标跟踪的研究看作⽬标和背景⼆分类的问题。⾸先根据⽬标检测结果或⼿动标注进⾏⽬标位置初始化，在初始化⽬标窗⼝周围采集正负样本并提取正负样本的尺度不变矩形特征和Hog特征训练朴素贝叶斯分类器，然后在下⼀帧⽬标模板周围采集待检测的⽬标矩形样本。最后将贝叶斯分类器结果最⼤样本区域的作为当前⽬标位置，从⽽实现了当前帧到下⼀帧的⽬标跟踪。其中分类器在跟踪过程中是不断更新的。 本⽂在提升视频监控系统分性能⽅⾯仅做了基础性的⽬标检测和跟踪⼯作，对于⽬标的动作识别和⾏为分析仍需要进⼀步研究。
展开
