论文部分内容阅读
与传统的视频监控技术相比,智能视频监控系统可以独立完成视频内容的分析工作,并对分析结果做出相应处理。智能视频监控技术涉及计算机视觉、模式识别、视频图像处理和人工智能等多个领域,其研究的主要内容包括:运动物体检测、目标对象跟踪、身份识别和行为识别等。视频对象的跟踪处理是智能视频监控领域里的关键技术,是身份识别和行为识别的前提。目前复杂情况下的目标跟踪问题,如遮挡和场景变换,是国内外研究的热点和难点。本文针对遮挡和场景变换这两种特殊情况进行了较为深入的研究。主要工作如下: 首先介绍了目前视频对象跟踪算法的研究现状,并对Kalman滤波和SURF特征匹配算法的理论知识和应用进行了简单介绍。 其次,本文提出了一种基于Kalman滤波器的自适应更新模板信息的跟踪算法。该算法在进行目标跟踪时,根据目标对象的轮廓变化情况自适应地更新并保存模板图像,为后续阶段的匹配处理提供了丰富特征信息,其效果要优于固定模式的匹配方法。 然后,针对遮挡及场景变换情况下的目标跟踪问题,本文提出了一种基于SURF特征匹配的处理遮挡及场景变换情况下目标跟踪问题的算法。首先,本文对遮挡关系进行分析建模。当遮挡发生时,Kalman滤波器预测失败,算法转入遮挡机制。系统在对模板和视频图像间匹配的SURF特征点进行筛选后,利用正确匹配的特征点得到模板和视频图像间的映射关系,从而得到目标对象的近似位置。当遮挡结束时,重新启动Kalman滤波器对目标进行跟踪处理。当场景发生变换时,系统利用前一场景保存的模板信息进行目标搜索匹配;一旦目标出现在场景中,系统就会快速识别该物体并进行跟踪。实验结果表明本文提出的方法较为有效地解决了遮挡和场景变换情况下的对象跟踪问题。 最后,在本文提出的基于Kalman滤波和SURF特征匹配跟踪算法的基础上,本文设计并实现了一个针对车辆跟踪的智能视频监控系统。当发生交通事故或其他道路违法行为时,系统可以在不同场景中快速识别并跟踪目标车辆,从而提高了交通部门的工作效率。