视频摘要系统中的运动物体提取技术研究

摘要

随着智能监控技术的不断发展，智能监控得到了愈来愈广泛的应用，每天都会产生海量的监控视频。面对数量庞大的视频数据，完全依靠人工浏览和侦查将变得异常困难。因此，人们开始采用各种技术手段，以降低浏览和侦查监控过程中的人力和时间成本。视频摘要就是其中最为有效的方法，而其中的运动物体检测及其运动轨迹帧序列的提取是最为关键的步骤。能否有效提取运动物体连续完整的运动轨迹帧序列将直接影响到摘要视频的质量。同时，提取出连续完整的运动轨迹帧序列，能有效促进行为分析、刑侦排查等工作的展开，对安防、交通、军事等领域都具有重大的使用价值和研究意义。
　　当前，在复杂的监控场景下，因遮挡、运动形变以及光照等干扰因素的影响，同一运动过程会被提取为两个或多个不同的运动轨迹帧序列，从而在生成的摘要视频中会出现运动物体突然出现或突然消失的现象，这与原视频场景中真实的运动过程严重不符，对运动分析、场景理解等会造成一定的干扰和混淆。针对这一问题，本文进行了深入的研究和分析，主要的工作和创新如下:
　　1.结合ViBe和压缩跟踪对粒子滤波跟踪算法进行了改进。利用ViBe检测到的运动前景结果来引导粒子进行状态转移和采样，从而有效地解决了物体经遮挡后的重定位问题;而利用基于压缩感知的特征采样则可以采集到物体的多尺度变化特征，从而可以有效表征物体的外观模型，提高跟踪精度。同时，结合运动前景结果进行跟踪可以有效应对跟踪过程的运动形态变化，从而可以在遮挡的场景下稳定和准确地跟踪到目标物体。
　　2.提出了一种基于ViBe和改进后的粒子滤波相结合的跟踪提取方法。通过将运动物体的运动前景信息与跟踪过程中的状态信息进行相互辅助，互相反馈，综合前景提取结果和运动跟踪结果来进行最终的运动轨迹帧序列的提取和归类，从而有效地解决了提取过程中的遮挡问题，保证了提取到的运动轨迹帧序列具有良好的完整性和连续性。
　　实验结果表明，本文提出的基于ViBe和改进后的粒子滤波相结合的跟踪提取方法，能够在复杂的场景中，特别是含有遮挡的场景下有效地提取到运动物体连续完整的运动轨迹帧序列。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 国内外研究现状

1．2．1 视频摘要

1．2．2 运动物体前景检测和提取

1．2．3 运动跟踪

1．3 本文的主要研究内容

1．4 本文的组织结构

第二章 视频摘要系统的关键技术

2．1 视频摘要系统的技术原理

2．2 视频摘要系统涉及到的关键技术

2．3 运动物体前景检测

2．3．1 背景减除法

2．3．2 ViBe前景检测算法

2．3．3 形态学处理

2．4 运动跟踪

2．4．1 基于叠加区域的跟踪算法

2．4．2 粒子滤波跟踪算法

2．5 运动轨迹帧序列的提取

2．6 轨迹组合与优化

2．7 场景融合

2．8 本章小结

第三章 融合前景信息的运动跟踪研究

3．1 粒子滤波跟踪和压缩跟踪的局限性分析

3．1．1 粒子滤波跟踪

3．1．2 压缩跟踪

3．2 粒子滤波跟踪算法的改进

3．2．1 外观模型特征的选取和计算

3．2．2 粒子状态转移和样本图像的采集

3．2．3 外观模型特征的自适应更新

3．2．4 改进的跟踪算法及流程

3．3 本章小结

第四章 运动物体提取算法研究

4．1 视频摘要系统中的运动物体提取算法

4．2 改进的运动物体提取算法

4．2．1 前景提取方法的改进

4．2．2 运动轨迹帧序列的完整性提取

4．3 本章小结

第五章 实验结果及分析

5．1 实验设计

5．2 运动物体前景提取的实验结果及分析

5．2．1 运动物体前景提取

5．2．2 形态学处理对前景提取结果的影响

5．3 复杂场景下运动跟踪的实验

5．3．1 运动形态尺度变化下的跟踪

5．3．2 全局遮挡场景下的跟踪

5．3．3 局部遮挡场景下的跟踪

5．4 运动轨迹帧序列的提取实验

5．5 摘要图像对比实验

5．6 本章小结

第六章 结论与展望

6．1 论文主要成果

6．2 后续工作展望

参考文献

致谢

研究成果及发表的学术论文

作者及导师简介