论文部分内容阅读
目标跟踪技术是智能视频处理领域中核心的视频内容分析技术。视频中行人目标的跟踪在场景监控、人机交互、行为识别等方面有着广阔的应用前景。视频场景的复杂性和行人运动的多变性给目标跟踪带来极大的挑战,成为当前视频目标跟踪研究领域中的热点和难点。粒子滤波算法是贝叶斯滤波估计框架下的目标跟踪算法,即使在非线性、非高斯的动态系统中仍然有良好和稳定的性能,因此在视频行人跟踪中得到广泛运用。本文主要研究了摄像机固定的场景下粒子滤波在单目标和多目标的视频行人跟踪中的应用,最终提出并实现了一种基于粒子滤波的多目标行人跟踪算法。目标检测是目标跟踪的基础,本文首先研究了前景目标的检测和提取:使用混合高斯背景模型获取前景掩模,对前景掩模做阴影消除和形态学处理,然后进行连通分量的提取,完成了复杂的背景中对前景目标的检测和提取。对于单目标的行人跟踪,本文研究与比较了经典的均值漂移和粒子滤波方法在复杂场景中的跟踪效果,并研究与实现了一种均值漂移嵌入的粒子滤波(MSEPF)跟踪算法。实验结果表明MSEPF算法能更好地解决目标碰撞的问题,可以胜任室外复杂场景中的单目标行人跟踪。针对多目标行人跟踪的任务,提出了一种基于粒子滤波的多目标跟踪算法。算法使用团块跟踪的框架,以团块列表的形式实现多目标跟踪:前景目标在复杂的背景中被仔细地检测与提取,以获取前景目标的团块列表;使用MSEPF跟踪算法更新团块参数,在目标遮挡、碰撞时准确地跟踪;对行人目标的随机出现、消失、合并、分裂等情况,提出了相应的数据关联策略,维护和更新团块列表。实验结果表明算法最终较好地实现了复杂场景中准确和稳定的多目标行人跟踪。