正文內容

稀疏表示目標關聯-免費閱讀

2026-07-23 23:57 上一頁面

下一頁面

　　

【正文】 Beauchemin, .。 Paragios, N.。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。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。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。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。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。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。目前，比較常用的是差分法。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。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。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]。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。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。因此在無重疊視域多攝像機監控環境下的目標跟蹤就成為了廣域視頻監控研究的重要內容之一。文章對國際上關于此方向從開始到現在的重要研究成果，做出了比較詳細的論述，把對該問題的研究歸納為三個主要的組成部分，并依次介紹了這三部分的研究進展，最后簡要分析了這個方面研究的難點和未來的發展趨勢。當前多目標跟蹤中存在的難題主要包括以下幾個方面：遮擋問題：遮擋是多目標跟蹤中的常見情況，目標可能被背景中靜止的物體遮擋，也可能被另外的目標遮擋，或者自遮擋，并且遮擋的程度也不同。背景的復雜性：目標所處場景的復雜程度、穩定程度影響著目標跟蹤的效果，背景中的干擾因素主要包括：光線亮度的變化，使背景顏色也發生變化；背景中物體的變動，當背景中增加、移去或者移動某些景物并持續一段時間時，背景發生變化，應及時更新背景；背景中存在與目標特征類似的物體時，將增加目標跟蹤的難度，可能使跟蹤收斂到干擾所在位置；陰影問題，陰影屬于非運動目標區域，但是與背景顏色上存在差別，給運動目標檢測帶來困難。單攝像頭運動目標提取運動目標檢測是目標關聯的前提，只有在目標被檢測出之后，才能對被檢測出的目標進行關聯。背景差分法的關鍵是背景圖像的選取和背景模型的建立。該算法同時能夠在攝像機運動的情況下檢測運動目標，但計算復雜，實時性不高。該方法能在較簡單場景下自動判斷新目標的出現與舊目標的消失，處理目標部分遮擋及背景變化，但是未能處理目標的分裂與合并(嚴重遮擋)。基于3D 空間的多目標跟蹤算法現實世界中的物體都是三維的，而人眼所獲得的圖像是二維的，對2D 圖像來說目標間容易出現遮擋，而對3D 圖像來說每個目標只有一個位置，可有效地解決多目標間遮擋問題。對多目標用聯合狀態空間表示。在已有的研究成果中，研究者往往選取這些特征中的一種或幾種聯合建立表現模型來參與關聯。同樣基于線特征，文獻[24]不直接對車輛的表現模型進行關聯，而是首先對不同的攝像機建立各自的關于觀測目標的內嵌原型（Embedding Prototype）, 然后通過內嵌原型間接地進行關聯，這樣做在某種程度上提高了算法對目標形狀和姿態變化的魯棒性。在利用顏色特征方面，還有許多研究者做出了有意義的工作。4 無重疊視域多目標關聯技術的未來發展方向多目標關聯技術是計算機科學、機器視覺、圖像處理、人工智能、模式識別等多學科的結合，是一個尚在發展中的研究方向，還有很多技術難點有待解決。 Han Shen。 Li, .。92., 1992[11] Takala V, Pietikainen M. Multiobject tracking using color, texture and motion. VS, 2007:1－7.[12] Ma LL, Cheng Jian, Lu HQ. Multicue collaborative kernel tracking with cross ratio invariant , 2008:665－672.[13] Kumar P, Brooks MJ. An adaptive bayesian technique for tracking multiple objects. Pattern Recognition,2007:657－665.[14] Li Z., Gong HF, ZHu SC. Dynamic feature cascade for multiple object tracking with track ability , 2007:350~361.[15] Pernkopf F. Tracking of multiple targets using online learning for reference model adaptation. IEEE Trans on SMCB, 2008,38(6):1465－1475.[16] 常發亮, 馬麗, 喬誼正. 視頻序列中面向人的多目標跟蹤算法. 控制與決策, 2007,22(4):418－422.[1

點擊復制文檔內容

黨政相關相關推薦

稀疏表示目標關聯-免費閱讀

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

一元稀疏多項式計算器實驗[報告程序-資料下載頁

關聯詞造句-資料下載頁

關聯詞修改-資料下載頁

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

稀疏表示目標關聯(已修改)