论文摘要：重叠视域摄像机网络多目标定位与跟踪

随着计算机技术的不断发展，运算能力的极大提高，使得视频监控技术成为当前计算领域中最热门的课题之一。传统的基于单摄像机的目标检测与跟踪技术已经不能满足目前视频监控系统的需要，迫切需要开展多摄像机协同目标检测与跟踪方法的研究。本论文主要研究多摄像机行人检测与跟踪方法，以提高多摄像机目标跟踪的正确率，高效性以及稳定性。主要研究工作如下：

1. 总结了多摄像机行人检测与跟踪方法中存在的关键问题，以及国内外的研究现状和解决方案，并对该领域未来的应用方向和应用前景进行了展望。

2. 针对复杂场景下，运动目标前景检测技术进行研究。对比多类前景检测算法，最终给出了一个自适应强，实时性高，鲁棒性强的运动目标前景检测算法。

3. 针对静态图像中，基于统计学习的行人检测技术进行研究。介绍了几种经典的特征描述算子和机器学习算法。最终，给出了梯度方向直方图（HOG）检测器和形变部件模型（DPM）检测器的实验结果。

4. 重叠视域摄像机网络多目标定位与跟踪算法研究：针对复杂背景下，目标行人之间存在大量相互遮挡的问题，通过对于人体3D建模以及地面离散化等过程，将多摄像机行人定位问题转化为基于因子图模型的概率推理问题，但由于状态空间引起的组合膨胀使其计算复杂度高。因此，提出了基于概率推理和数据关联的多级循环框架，不仅考虑了地面点的相关性，而且有效控制了算法的运算复杂度，解决了复杂场景下多目标行人的定位与跟踪问题。最后我们对比了本文算法、级联高阶马尔科夫求解算法、POM算法与KSP算法。

5. 最后，文章对课题研究所取得的成果进行了总结，简要概括了主要工作，同时，对该领域未来的发展趋势、所面临的挑战及需要解决的问题做了展望。

本文针对在多摄像机情况下，行人目标定位与跟踪技术进行了深入研究，通过在四种公开数据源的测试实验，表明了本文所提方法的有效性。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/290359.html