基于主颜色谱及空间分布熵的目标匹配技术研究

摘要

由于智能交通、医疗、安防等各个领域的迫切需求，智能监控中的多摄像机协同关键技术越来越受到人们的关注，其主要包括目标检测和定位、目标匹配、目标交接和目标行为分析等技术。目标匹配技术作为实现多摄像机协同的桥梁近年来亦成为智能监控领域研究的热点和难点。本文主要对目标匹配方法做了研究，首先介绍了常用的目标匹配方法，然后深入分析了基于颜色特征的目标匹配方法，针对相关方法中存在计算量大、未考虑颜色空间分布信息、目标匹配不够准确等问题，主要从以下几个方面进行了研究：
　　⑴提出了一种基于二级中心优化和M-Kmeans融合的目标主颜色谱描述算法。即在用Kmeans聚类算法对目标的颜色进行聚类以降低计算复杂度时，先用二级中心优化算法确定聚类初始中心点，然后用M-Kmeans算法进行聚类过程中的类成员调整。研究及实验结果表明，融合算法不仅提高了目标主颜色谱描述的准确性，而且降低了聚类结果对初始中心点的敏感性，提高了聚类结果的稳定性。
　　⑵提出了主颜色谱空间分布熵技术。即对于目标的主颜色谱，依据其对应像素在不同划分区域的分布比例，应用香农熵公式计算主颜色谱分量的熵以表示其空间分部信息。实验结果表明，通过主颜色谱空间分布熵能够很好地区分目标主颜色谱直方图相似但颜色空间分布不同的目标。
　　⑶基于前两点研究结果，提出了MCS-SDE(Major Color Spectrum and Spatial Distribution Entropy)目标匹配方法。即用主颜色谱进行颜色相似度计算的同时，用该谱分量的空间分布熵相似度模型进行加权，以此计算目标的匹配度。并在最后讨论了基于MCS-SDE目标匹配的多帧联合匹配方法。实验结果表明，新的目标匹配方法与文献的方法比较，提高了匹配对与非匹配对的区分度，匹配判定阈值更易确定，提高了目标匹配的准确性和鲁棒性。

目录

封面

声明

基金支持

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究的背景及意义

1.2 多摄像机目标跟踪技术及其发展概况

1.3 本文的主要工作及内容安排

第二章 多摄像机协同跟踪中的目标匹配技术及分析

2.1 多摄像机目标跟踪中的目标匹配技术

2.2 常见的目标匹配方法及分析

2.3 基于颜色的目标匹配技术及分析

2.4 本章小结

第三章 基于 Kmeans 聚类的主颜色谱描述算法

3.1 Kmeans 聚类原理及目标的主颜色谱描述

3.2 基于颜色转换函数的聚类预处理技术

3.3 基于二级中心优化的初始中心点选择算法

3.4 基于 M-Kmeans 的类成员调整算法

3.5 基于二级中心优化和 M-Kmeans 融合的主颜色谱描述算法

3.6 本章小结

第四章 主颜色谱空间分布熵技术分析与研究

4.1 目标匹配中的颜色空间分布信息

4.2 基于主颜色谱的空间分布熵技术

4.3 加权的主颜色谱空间分布熵

4.4 本章小结

第五章 基于主色谱及其空间分布熵目标匹配技术

5.1 常见的基于颜色的目标匹配准则及分析

5.2 一种新的目标匹配方法

5.3 基于 MCS-SDE 方法的多帧联合目标匹配技术

5.4 本章小结

第六章 实验结果与分析

6.1 实验条件及概述

6.2 二级中心优化 Kmeans 颜色聚类算法与启发式 Kmeans 算法的性能比较

6.3 二级中心优化和 M_Kmeans 融合的颜色聚类算法与其他算法的性能比较

6.4 主颜色谱空间分布不同时其对应熵值的比较与分析

6.5 不同目标匹配方法的比较与分析

6.6 本章小结

第七章 总结与展望

7.1 本文工作总结

7.2 未来工作展望

参考文献

致谢

攻读硕士学位期间发表论文、参加科研项目情况