正文內容

稀疏表示目標關聯-預覽頁

2026-07-23 23:57 上一頁面

下一頁面

　

【正文】內容之一。背景的復雜性，目標比例變化、目標顏色與背景顏色的相似程度、背景的穩定程度，多目標的交互及各種特殊情況的發生都會給多目標跟蹤帶來困難。如何有效的處理遮擋，特別是嚴重的遮擋，一直是多目標跟蹤中的一個難點，目前多數系統都不能處理較嚴重的遮擋問題，也不能提供標準來判斷何時停止及何時重新開始跟蹤，且在目標丟失情況下沒有相應的重新獲取目標的引導方法。如何準確得到當前幀的目標個數，是多目標跟蹤中的又一個難點。實時性要求：視頻圖像含有大量的數據，要保證目標跟蹤的實時性要求，必須選擇計算量小的算法，但是目標跟蹤另一個重要性能是跟蹤的準確性，而準確性的保證往往是在復雜運算和處理的基礎上的，這就造成了兩者的矛盾。以下對近年來國內外解決多目標核心問題的主流方法進行總結與分析，并比較各方法的優缺點。其中光流法計算大都相當復雜，且抗噪性能差，難以實時應用，幀間差分法和背景差分法是目前最廣泛的運動目標檢測方法[2]。目前對于幀間差分法一般用來做前期檢測，（2）背景差分法：背景差分法是視頻監控中最為常見的運動目標檢測方法，它的基本思想是將當前幀圖像與參考背景圖像做差分運算，然后設定一定的閾值來檢測運動目標。從上世紀末至今，出現了一大批背景差分法的方法，比如混合高斯模型背景差分法[7]、無參數估計背景差分法[8]、核密度估計背景差分法[9]、碼本背景差分模型[10]等算法。反之，運動物體所形成的速度矢量就會與鄰域背景速度矢量不同，從而檢測出運動目標的具體位置。文獻[11]將顏色、紋理和運動信息三個特征相結合描述目標，該算法采用固定不變的模板，然而當背景和目標外觀變化時，易出現失跟。文獻[15](針對人臉)將多特征融合技術用于判斷新目標的出現；基于在線學習的自適應模板以適應背景與目標外觀的變化；以目標觀測概率小于某一閾值判斷舊目標的消失；對每一個目標單獨建立一個粒子濾波器，實現多個目標的跟蹤。目前，比較常用的是差分法。當目標輕微合并時，采用基于顏色直方圖的均值漂移算法分別跟蹤合并在一塊的各個目標，當目標分裂時，要判斷分裂出的目標屬于遮擋前的哪一個目標，用巴氏距離表示分裂前各目標和分裂后目標直方圖的關聯度，取最大值者作為關聯目標。文獻[18]提出了基于粒子濾波的多攝像頭3D 單人跟蹤算法，將3D模型和多目視頻采集機制嵌入到粒子濾波框架中。文中用兩個橢圓體表示一個目標，用3D 坐標表示狀態向量。這里的關聯不同于傳統單目攝像機跟蹤理論中的目標關聯，由于目標物體在不同攝像機前的顏色、形狀和攝像機的觀測距離、觀測角度等方面的巨大的差異，以及各個攝像機的內部參數和監控區域中光照等環境條件的不同等種種復雜的原因，傳統計算機視覺理論中關于單目攝像機跟蹤關聯的很多方法都不再適用。這些特征主要包括顏色特征、點特征、線特征、區域特征、幾何特征、模型特征等等。而且，在衡量表現模型之間相似度的過程中，針對不同表現模型的相似度度量方法也同時被提出。文獻[23, 25]提出了一個非監督學習的方法來提取視頻中車輛的線特征，然后基于線特征來關聯車輛，這個方法在兩個視頻中車輛的形狀差別很小的情況下取得了不錯的效果。在[24]的研究基礎上，文獻[29]把原型內嵌和內嵌轉移相結合，提出了更加適應目標姿態、光照條件和分辨率等大幅度變化的關聯算法。除此之外，在文獻[33]中，他們還嘗試采用監控視頻中人的身高作為關聯的特征要素，并給出了身高的估計算法。Park 等人[38]把目標行人的前景圖像從上到下分為三部分，用下兩部分顏色的色調作為主要顏色特征，再結合目標身高等特征來參與關聯計算。同樣是估計顏色轉移函數，Jeong 和Jaynes[43]卻采用目標的色度而不是亮度，他們的算法體現了更好的關聯性能。目前，無重疊視域多多目標關聯算法的一般流程是：基于運動特征、差分法或分類器檢測出目標，然后對目標進行單攝像頭跟蹤，在跟蹤過程中提取出較好的目標特征，最后在多攝像頭間進行相同目標的關聯。 Shaohui Ning。 Paragios, N.。 Pietika?inen, M.。 Beauchemin, .。 Tracking in Videos. In CVPR. 2005, 761768.[38] Guo Y,Sawhney H S,Kumar R,et Object Matching for Persistent Tracking with Heterogeneous Feature. In Joint IEEE Int. Workshop ,8188.[39] Guo Y,Hsu S,Sawhney H S,et al. Robust Object Matching for Persisitent Tracking with Heterogeneous Feature. IEEE Trans. Pattern Anal. Machine Intell.,2007(29):824839.[40] Cheng E D, Madden C, Piccardi M. Mitigating the Effects of Variable Illumiantion for Tracking across Disjoint Camera Views. In IEEE Int. Conf. AVSS. 2006, 3237.[41] Cheng E D, Piccardi M. Matching of Object Moving across Disjoint Cameras. In , 17691772.[42] Cheng E D. Piccardi M. Disjoint track matching based on a major color spectrum histogram representation. Optical Engineering, 2007(46):14.’[43] Madden C, Piccardi M. Height Measurement as a Sessionbased Biometric for People Matching Across Disjoint Camera Views. In IEEE Vis. Comput 20058 /

點擊復制文檔內容

黨政相關相關推薦

稀疏表示目標關聯-預覽頁

森林經理抽樣調查-稀疏總體抽樣方法講課-資料下載頁

企業會計準則之關聯方關系和關聯方交易-資料下載頁

【管理精品】關聯交易回避制度-資料下載頁

同業競爭關聯交易問題匯總-資料下載頁

高考常見關聯詞搭配-資料下載頁

關聯公司借款合同范本-資料下載頁

ipo同業競爭與關聯交易-資料下載頁

關聯企業概念之法律透視-資料下載頁

楞次定律與因果關聯-資料下載頁

公司關聯交易管理辦法-資料下載頁

關聯交易管理流程圖-資料下載頁

關聯交易決策管理辦法-資料下載頁

森林經理抽樣調查-稀疏總體抽樣方法講-資料下載頁

復件p1222稀疏的資本主義萌芽-資料下載頁

關聯銷售之呼吸系統關聯用藥220版(-資料下載頁

稀疏表示目標關聯(專業版)

稀疏表示目標關聯(留存版)

稀疏表示目標關聯-文庫吧

稀疏表示目標關聯-wenkub