跨摄像头车辆跟踪技术研究与实现

摘要

视频图像具有形象、直观、生动和连续的特点，能够更加全面的获取事物的信息，因此它的应用也越来越广泛，在安防，交通，医学，工业生产等方面发挥着越来越重要的作用。
　　 随着计算机视觉技术、通信与半导体技术、网络技术的快速发展，机器视觉也越来越成熟。这些技术共同推动着视频图像的智能化应用。当前对于视频图像的研究热点之一，就包括运动目标跟踪，它是计算机视觉中的一个重点。当前对于运动目标的研究主要集中在单个摄像头的跟踪，但此类研究存在遮挡问题，监控区域小等问题，在实际的应用中存在很多弊端。跨摄像头的目标跟踪，在监控区域上，监控时间上，都能够很好的满足真实环境的应用要求。如何更好的长时间的对车辆目标进行跨摄像头跟踪，是本文的研究目的。
　　 为了能够实现跨摄像的车辆目标跟踪，本论文中的算法充分融合了当前最热门的跟踪技术，目标检测技术以及机器学习技术。核心算法由两大部分构成:第一部分，是基于金字塔LK光流跟踪的改进算法。这种算法能够在无遮挡的前提下，对目标进行准确跟踪;第二部分，是基于随机森林的分类算法。这种算法用2bitBP特征描述样本，通过众多决策树来对样本进行投票判决，从而在跟踪过程中，检测出运动目标。本论文利用了这两种核心算法，对目标跟踪和目标检测的结果进行综合处理，来找出更加准确的运动车辆目标。在对算法进行深入研究后，最后对跨摄像车辆目标跟踪进行了原型系统实现。
　　 本文在算法研究和原型系统实现的基础上，重点解决了运动目标跨区域运动时的长时间跟踪容易丢失的问题，有效的结合了机器学习过程，对目标变形，目标阻挡有很强的鲁棒性。经过实验验证，本论文有一定的科学性和指导性。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 研究现状

1．3 论文的研究特色和组织结构

1．4 本章小结

第二章 视频运动目标跟踪技术探讨

2．1 相关技术理论基础

2．1．1 图像处理与分析

2．1．2 机器学习

2．2 运动目标检测技术

2．3 运动目标跟踪技术

2．4 本章小结

第三章 跨摄像头运动车辆跟踪总体框架设计

3．1 总体框架设计概述

3．2 综合处理分析

3．2．1 综合处理策略

3．2．2 综合处理流程图

3．3 跨摄像头跟踪流程图

3．4 本章小结

第四章 跟踪识别算法研究

4．1 跟踪算法

4．1．1 跟踪算法流程图

4．1．2 跟踪算法原理

4．1．3 跟踪算法实现

4．1．4 跟踪实验结果分析

4．2 运动目标检测算法

4．2．1 运动目标检测流程图

4．2．2 随机森林分类器

4．2．3 级联检测器

4．2．4 目标检测算法实现

4．2．5 运动目标检测实验结果分析

4．3 本章小结

第五章 跨摄像头车辆跟踪实验结果分析

5．1 实验环境

5．2 实验假设条件

5．3 跨摄像头算法实现

5．3．1 跨摄像头信息存储结构设计

5．3．2 跨摄像头跟踪区域位置判断

5．4 跨摄像头实验结果分析

5．4．1 跨摄像头车辆跟踪目标选择

5．4．2 跨摄像头车辆跟踪结果分析

5．4．3 跨摄像头车辆跟踪实验结论

5．5 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢