Objects'segmentationand Tracking in Surveillance Videos

摘要

动态场景中的视觉监视是目前计算机视觉领域最热门的研究课题之一，尤其是对人类和车辆。它的应用范围非常广泛，包括特殊地区的访问控制，远距离人体识别，人群统计分析及人流堵塞，异常行为检测，以及多摄像机互动监视等。研究人员已经根据其不同的应用领域，近年来设计发展了许多自动监控系统，由于其在不同领域的广泛适用性，吸引了很多研究人员的注意。本文提出的算法基本可以满足这些需求。本论文分为两个部分：第一部分图像分割；第二部分是对图像中运动元素的追踪。
　　 首先要把视频图像中的背景从原图中提取出来。我们应用了混合高斯模型算法(MGA)，这是一个递归、含参的方法。它既可以同时追踪符合多高斯分布的像素块，又能使每一个像素的密度函数保持不变。因此，它可以处理多模态背景分布。另一方面，既然MGA算法是含参的，模型参数可以自动的更新，视频帧缓冲区不必为它留有大的缓存区。该算法应用在四个不同的视频序列，包括不同的场景，如室内和室外的情况。MGA算法能够识别在每一个视频帧中更新的每个前景像素。
　　 经过MGA算法在不同视频中的性能研究，表明该算法对于不同场景，不同参数下的分割性能较好。第二部分是应用目标跟踪器产生被跟踪对象在一段时间内的轨迹。为了获得更好的追踪结果，我们应用了卡尔曼滤波器进行预测，这有助于预测二维图像中点的位置。经过在不同视频帧中的预测，我们认为卡尔曼滤波器能够在这些不同的视频中的目标准确跟踪做出贡献。