基于监控视频的人物检测与跟踪技术研究

《基于监控视频的人物检测与跟踪技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP391论文编号：102870118-S124学科分类号：080402硕士学位论文基于监控视频的人物检测与跟踪技术研究研究生姓名许锦婷学科、专业测试计量技术及仪器研究方向机器视觉指导教师陈仁文教授南京航空航天大学研究生院航空宇航学院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAerospaceEngineeringResearchonHumanDetectionandTrackingTechnologyBasedonSurveillanceVideo

2、AThesisinMeasurementandTestingTechnology&InstrumentbyXuJintingAdvisedbyProf.ChenRenwenSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2018承诺书本人声明所呈交的博/硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使

3、用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：2018年4月2日南京航空航天大学硕士学位论文摘要智能监控系统是一种具有主动监测及预警功能的系统，运动目标检测以及跟踪是智能监控系统中重要的一环。本文结合监控系统的需求，对监控视频的运动目标检测算法以及跟踪算法进行了深入研究。首先，利用像素点中前k个最大、最小亮度分量的平均值来代替最大、最小亮度分量值，并融入了自适应卡尔曼滤波的思想，对传统码本模型进行了改进，减少了其对光线变化的

4、敏感性。实验结果表明，改进的码本模型可明显减少背景中混入的噪声。在此基础上，提出一种基于码本模型和边缘检测的运动目标检测算法。先利用改进码本模型进行初步检测，然后利用边缘检测将当前帧边缘及均值背景边缘检测出来并作差分，处理后进行“与”操作得到结果。实验结果表明本文算法检测出的目标完整准确、边缘清晰，前景提取率比GMM算法提高了24%，比改进码本模型提高了5.3%，且处理方面能达57帧/秒，可满足实时性要求。接着针对深度特征在旋转适应上的不足，提出一种融合旋转不变的统一LBP纹理特征以及卷积神经网络的相关滤波跟踪算法。先构建并预训练卷积神经网络，接着在评估标准集上分别对分层卷

5、积特征以及纹理特征融合分层卷积特征进行跟踪性能分析。采用加权融合的方式将纹理特征与分层卷积特征结合，并采用尺度自适应以及更新策略。实验证明，在复杂情况下，本文算法比起同样利用卷积特征的HCF算法跟踪精度提高了11.8%，跟踪成功率提高了2%，对目标的旋转形变以及尺度变化具有鲁棒性。最后设计了一个监控界面并对本文的检测以及跟踪算法进行了验证，实验证明，本文算法可以在实际监控场景中对人物进行检测与跟踪。关键词：智能监控系统，运动目标检测，码本模型，运动目标跟踪，相关滤波，卷积特征本文工作在机械结构力学及控制国家重点实验室完成。I基于监控视频的人物检测与跟踪技术研究ABSTRAC

6、TIntelligentmonitoringsystemisasystemwhichhasthefunctionofactivemonitoringandearlywarning.Movingtargetdetectionandtrackingisanimportantpartofintelligentmonitoringsystem.Basedontherequirementsofmonitoringsystem,movingtargetdetectionalgorithmandtrackingalgorithmofsurveillancevideoarestudiedi

7、nthispaper.Firstly,themaximumandminimumluminancecomponentvalueissubstitutedbythemeanofthefirstkmaximumandminimumluminancecomponentvaluesinthepixel,andtheideaofadaptiveKalmanfilterisintroduced,whichimprovesthetraditionalcodebookmodelandreducesitssensitivitytoli