跨摄像机的多目标跟踪系统

摘要

随着智慧城市、平安城市等多个大型智能信息管理系统在国内外各大城市展开布局，人们对于安防工业的要求也在不断提升，智能监控系统的发展显得尤为重要。跨摄像机的多目标跟踪系统是智能监控系统领域的重要研究内容，它旨在实现运动目标在不同摄像机下的持续跟踪，具有重要的研究意义和广阔的市场应用前景。跨摄像机的多目标跟踪系统涉及多个方面的研究内容，如目标检测，单摄像机下的多目标跟踪，以及目标关联等。由于实际监控场景下存在如背景遮挡、光照变化、摄像头视角差异等因素的干扰，使得多目标跟踪算法面临着极大的挑战。因此，对于该系统的研究具有显著的科研价值。
　　本文将首先介绍动态目标检测和多目标跟踪相关的基础理论与算法，进而提出一种仅利用目标运动动态信息来实现多目标跟踪的算法;最后介绍系统设计中的相关模块，以及涉及到的目标检测、跟踪和关联等算法。本文的主要研究工作及创新点如下:
　　(1)提出了一种基于目标运动动态和多层超图关联的多目标跟踪算法，首先在不使用先验运动模型的前提下，通过利用目标运动动态，获取整个视频内所有目标的运动动态信息，构造轨迹碎片间的相似度比较函数，减小具有相似外观的不同目标之间的误匹配;其次，使用超图关联，对各个轨迹碎片进行全局搜索聚类，使得跟踪问题转化为一个动态搜索超图的超边集问题，并且优化求解后的跟踪系统能够有效处理长时间的遮挡，具有较好的鲁棒性。实验表明，在处理具有挑战性的公共视频序列，本文方法显示了其良好的优越性:能够有效克服目标的复杂运动，相机运动和长时间的遮挡，而这些都是没有任何外观信息的。
　　(2)对跨摄像机的多目标跟踪系统进行设计。系统主要包含两部分内容:跟踪模块和关联模块，跟踪模块用来实现单摄像机下运动目标的检测与跟踪，其中目标检测运动了基于改进的HOG和Sobel-LBP融合的快速行人检测算法，目标跟踪使用了基于相邻帧特征匹配的多目标跟踪算法。实验结果表明，两者结合能够较为有效地实现单摄像机下的目标跟踪。在关联模块中，首先建立多个摄像机之间的时空模型，再利用BTF函数抑制不同摄像机所处环境的光照变化，在时空关系模型的约束下，利用匈牙利算法实现不同摄像机下目标的最优匹配，以实现跨摄像机的多目标跟踪;最后分别给出了这两个模块的界面效果图。

目录

声明

致谢

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 多目标跟踪技术研究现状

1．2．2 跨摄像机的多目标跟踪系统研究现状

1．3 本论文主要内容及章节安排

第二章 动态目标检测和多目标跟踪常用算法概述

2．1 引言

2．2 目标检测常用算法

2．2．1 帧差法

2．2．2 背景减法

2．2．3 光流法

2．3 多目标跟踪常用算法简介

2．3．1 基于特征匹配的目标跟踪算法

2．3．2 基于均值漂移的多目标跟踪算法

2．3．3 基于卡尔曼滤波的目标跟踪算法

2．3．4 基于粒子滤波的目标跟踪

2．4 本章小结

第三章 基于运动动态和多层超图关联的多目标跟踪

3．1 引言

3．2 相关技术发展

3．3 基于运动动态的轨迹片段表达

3．3．1 轨迹碎片的动态相似度表示

3．3．2 轨迹碎片的相似度计算

3．4 基于多层超图关联的多目标跟踪

3．4．1 图论与数据关联

3．4．2 超图理论

3．4．3 超图关联

3．5 优化处理

3．6 实验结果与分析

3．6．1 实验评估

3．6．2 实验结果分析

3．7 本章小结

第四章 跨摄像机的多目标跟踪系统

4．1 引言

4．2 目标关联相关算法概述

4．2．1 基于直接法的目标关联

4．2．2 基于深度学习的目标关联

4．2．3 基于距离测度学习的目标关联

4．3．1 建立相机间的时空模型

4．3．2 特征融合匹配关联

4．4 系统的搭建

4．4．1 系统的整体框架

4．4．2 系统的模块化

4．5 系统的实现与应用

4．5．1 实验场景介绍

4．5．2 系统演示界面

4．5．3 系统实现

4．6 系统应用

4．7 本章小结

第五章 总结与展望

5．1 本文工作总结

5．2 未来工作展望

参考文献

攻读硕士学位期间的学术活动及成果情况