文档介绍：硕士学位论文
要集中于车辆能沿道路自动行进并发现道路上别的汽车,或者自动避开道路上的
障碍物在建筑物内自动导航。不仅如何,通过计算机视觉与GPS系统的结合,可
以实现大范围的无人驾驶。这也是当今计算机视频领域最热门的研究课题之一。
此外,视觉跟踪在地理信息系统、遥感图像、、远程控制、辅助手术、农业
自动化、医学图像、视觉重构等领域均有广泛的应用。
无论是视频监控、人机交互,还是更高级的视频系统,对感兴趣目标的跟踪
往往是其中必不可少的重要环节,它为后面更高级的高级视觉提供有价值的信
息。因此,对于视频序列目标跟踪算法的研究意义非常重大,但也充满挑战。由
于视频跟踪在智能监控、运动分析、人机交互和虚拟现实等方面具有广泛的应用
前景、潜在的经济价值以及重要的理论研究价值,它成为众多研究者关注的焦
点。世界上许多国家的政府、广大科研工作者以及商业机构对该领域产生了浓
厚的兴趣,开展了大量的相关项目的研究。例如,1997年美国国防高级研究项目
署(Defense Advanced Research Project’s Agency)设立了以卡内基梅隆大学为
首,麻省理工学院等高校参与的视觉监控重大项目VSAM(Visual Surveillance
And Monitoring),主要研究用于战场及普通民用场景进行监控的自动视频理解
技术;实时视觉监控系统W4不仅能够定位人和分割出人的身体部分,而且通过建
立外观模型来实现多人的跟踪,并可以检测人是否携带物体等简单行为;英国的
雷丁大学(University of Reading)已开展了对车辆和行人的跟踪及其交互作
用识别的相关研究。
智能视频监控是利用计算机视觉技术对摄像机采集的视频数据进行分析、理
解,并以此为基础对视频监控系统进行控制,从而使视频监控系统具有象人一样
的智能。视频监控的实现通常涉及到运动目标的检测和快速分割、目标分类、运
动对象的跟踪、多摄像头数据融合、行为的理解与描述等几个过程。
就跟踪视角而言,根据所采用的摄像机数目不同,视频跟踪可以分为单摄像
机下的跟踪和多摄像机下的跟踪。这两个研究方面是互相联系的,多摄像机下的
跟踪是以单摄像机下的跟踪为基础。而无论是单摄像机下的跟踪还是多摄像机下
的跟踪都依赖于运动检测、运动目标在单个摄像机下的自适应跟踪等底层的处
理。由于单摄像头视野域的有限,监控大范围场景时需要使用多摄像头系统。智
能视频跟踪系统中多个摄像头的使用有利于解决遮挡问题,场景混乱、环境光照
2
硕士学位论文
突变情况下的运动目标跟踪等问题。基于多摄像头的视频跟踪在高级人机交互、
视频会议、医疗诊断以及基于内容的存储与检索等方面有广泛的应用前景和潜在
的经济价值。
论文的研究工作及创新
本文视频监控为应用背景,主要研究了基于多摄像头的目标跟踪方法,以提
高监控系统性能。基于多摄像头的目标跟踪的关键问题主要有:一方面,需要解
决单摄像头的自适应目标跟踪问题;另一方面,需要处理目标在多摄像头系统中
跟踪交接,以及如何协同控制系统中多个摄像头以准确跟踪目标。研究内容主要
涉及到运动检测、单摄像机下的目标自适应跟踪,多摄像机间的目标映射以及多
摄像机协同等方面的内容。首先,为了解决目标在跟踪过程中的跟踪窗自适应变
化的问题,我们提出了一种监控场景下目标自适应跟踪算法,将混合高斯模型背
景建模目标检测算法,Kalman滤波预测算法和Mean-Shift目标跟踪算法有机结
合,有效地解决了这个问题,并能实现目标特征的实时更新,使跟踪过程更具有
鲁棒性。研究了不同摄像机下目标的匹配映射和摄像机协同方法,针对多摄像机
搭建中存在的小视野重叠区的情况,提出了使用临时中继摄像机的坐标映射计算
方法。并提出了在小视野重叠区情况下多摄像机的协同策略。实验表明,我们的
算法具有复杂环境下的鲁棒性,计算效率高。
论文结构安排
全文共分六章,各部分的内容组织如下:
第一章述了本文的研究目的、意义、内容,介绍了本文所做的研究工作。
第二章细介绍了研究的背景知识及研究现状,包括视频监控的发展、人运
动的视觉分析、运动目标的检测与跟踪方法、多摄像头数据融合算法和多摄像头
协同算法。回顾了人的跟踪的研究现状,包括运动检测、运动目标分类、运动跟
踪以及多摄像机下人的跟踪等方面。
第三章详细介绍视频前景运动目标提取原理和算法以及视频前景中目标阴
3
硕士学位论文
影的检测与去除算法。
第四章详细探讨了单摄像机中目标的自适应跟踪算法。
第五章介绍了多摄像机匹配和协同算法。
第六章对全文进行了总结,并展望了未来的研究工作。
4
硕士学位论文
第二章背景知识