多目標(biāo)跟蹤方法研究綜述(圖文)_第1頁(yè)
多目標(biāo)跟蹤方法研究綜述(圖文)_第2頁(yè)
多目標(biāo)跟蹤方法研究綜述(圖文)_第3頁(yè)
多目標(biāo)跟蹤方法研究綜述(圖文)_第4頁(yè)
多目標(biāo)跟蹤方法研究綜述(圖文)_第5頁(yè)
已閱讀5頁(yè),還剩2頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、多目標(biāo)跟蹤方法研究綜述(圖文)論文導(dǎo)讀:隨著復(fù)雜環(huán)境中對(duì)檢測(cè)和跟蹤多個(gè)被遮擋的人和計(jì)算他們的精確位置的需要,多視點(diǎn)的方法成為研究的熱點(diǎn)。盡管通過(guò)相機(jī)不能很好的解決目標(biāo)跟蹤問(wèn)題,但卻提出了一些很好的想法,如選擇最佳視點(diǎn),但這些方法都以實(shí)際環(huán)境模型和相機(jī)校正為特征。除此之外,也有在原來(lái)的單視點(diǎn)跟蹤系統(tǒng)進(jìn)行擴(kuò)展的多視點(diǎn)跟蹤方法。隨著監(jiān)控設(shè)備的發(fā)展和設(shè)施的鋪設(shè),多視點(diǎn)的場(chǎng)景圖像是很容易得到的,因此借助信息融合的思想,充分利用不同角度對(duì)目標(biāo)的描述信息,可以很大的改進(jìn)目前基于單視點(diǎn)的多目標(biāo)檢測(cè)和跟蹤的精度,能夠很好的解決單視點(diǎn)方法中不能很好解決的遮擋問(wèn)題。關(guān)鍵詞:?jiǎn)我朁c(diǎn),多視點(diǎn),目標(biāo)跟蹤,信息融合1、多目

2、標(biāo)跟蹤的一般步驟基于視頻的多目標(biāo)跟蹤技術(shù)融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)視覺(jué)等眾多領(lǐng)域中的先進(jìn)技術(shù)和核心思想。不同的多目標(biāo)跟蹤方法其實(shí)現(xiàn)步驟有一定的差異,但多目標(biāo)跟蹤的主要流程是相同的,如圖1所示,其主要包括圖像預(yù)處理、運(yùn)動(dòng)目標(biāo)檢測(cè)、多目標(biāo)標(biāo)記與分離、多目標(biāo)跟蹤四個(gè)步驟。 圖1多目標(biāo)跟蹤基本流程圖2、多目標(biāo)跟蹤方法多目標(biāo)跟蹤方法可以根據(jù)處理圖像或視頻獲取視點(diǎn)的多少分為兩大類(lèi),一類(lèi)是單視點(diǎn)的多目標(biāo)跟蹤,另一類(lèi)就是多視點(diǎn)的多目標(biāo)跟蹤。2.1 單視點(diǎn)的方法單視點(diǎn)方法是針對(duì)單一相機(jī)獲取的圖像進(jìn)行多目標(biāo)的檢測(cè)和跟蹤。該方法好處在于簡(jiǎn)單且易于開(kāi)發(fā),但由于有限的視覺(jué)信息的獲取,很難處理

3、幾個(gè)目標(biāo)被遮擋的情況。塊跟蹤(Blob-tracking)是一種流行的低成本的跟蹤方法6-7。論文檢測(cè)。這種方法需要首先在每一幀中提取塊,然后逐幀尋找相關(guān)聯(lián)的塊,從而實(shí)現(xiàn)跟蹤。例如BraMBLe系統(tǒng)8就是一個(gè)基于已知的背景模型和被跟蹤的人的外表模型計(jì)算出塊的似然性的多塊跟蹤器。這種方法最大的不足之處在于:當(dāng)由于相似性或者遮擋,多個(gè)目標(biāo)合并在一起時(shí),跟蹤將導(dǎo)致失敗。因此,可以取而代之的方法是通過(guò)位置、外觀和形狀保留清晰目標(biāo)的狀態(tài)。文獻(xiàn)9利用組合橢圓模擬人的形狀,用顏色直方圖模擬不同人的外觀,用一個(gè)增強(qiáng)高斯分布模擬背景以便分割目標(biāo),一旦場(chǎng)景中發(fā)現(xiàn)對(duì)應(yīng)于運(yùn)動(dòng)頭部的像素,一個(gè)MCMC方法就被用于獲取多

4、個(gè)人的輪廓的最大后驗(yàn)概率,在單相機(jī)的多人跟蹤應(yīng)用中取得了非常有意義的結(jié)果。Okuma等人提出了一種將Adaboost算法和粒子濾波相結(jié)合的方法10。該方法由于充分利用了兩種方法的優(yōu)點(diǎn),相比于單獨(dú)使用這兩種方法本身,大大降低了跟蹤失敗的情形,同時(shí)也解決了在同一框架下檢測(cè)和一致跟蹤的問(wèn)題。Brostow等人提出了一個(gè)用于在人群中檢測(cè)單個(gè)行人的特征點(diǎn)軌跡聚類(lèi)的概率框架11。這個(gè)框架有一個(gè)基本假設(shè)是一起運(yùn)動(dòng)的點(diǎn)對(duì)可能是同一個(gè)個(gè)體的一部分,并且把它用于檢測(cè)和最終的跟蹤。對(duì)于完全和部分遮擋目標(biāo)以及外觀變化,這些方法和另外一些相似的方法都有很大的局限性。為了解決遮擋問(wèn)題,一系列單視點(diǎn)跟蹤技術(shù)應(yīng)運(yùn)而生。典型的

5、方法是利用塊合并來(lái)檢測(cè)遮擋的發(fā)生12。當(dāng)被跟蹤的點(diǎn)消失,跟蹤特征點(diǎn)的方法就簡(jiǎn)單的將其作為一個(gè)被遮擋特征點(diǎn)。近年來(lái),基于目標(biāo)輪廓和外觀的跟蹤技術(shù)利用隱含的目標(biāo)到相機(jī)的深度變化來(lái)表示和估計(jì)目標(biāo)間的遮擋關(guān)系。但大多數(shù)方法都只能解決部分遮擋,不能解決完全被遮擋的情況。另外,小的一致運(yùn)動(dòng)被假設(shè)為是可以從遮擋視點(diǎn)中可以預(yù)測(cè)運(yùn)動(dòng)模式的,這些給沒(méi)有預(yù)測(cè)運(yùn)動(dòng)的較長(zhǎng)時(shí)間的遮擋的處理帶來(lái)問(wèn)題。盡管這些單視點(diǎn)的方法有較長(zhǎng)的研究歷史,但這些方法由于不能明銳的觀察目標(biāo)的隱藏部分,因此不能很好的解決有2或3個(gè)目標(biāo)的遮擋問(wèn)題。2.2 多視點(diǎn)的方法隨著復(fù)雜環(huán)境中對(duì)檢測(cè)和跟蹤多個(gè)被遮擋的人和計(jì)算他們的精確位置的需要,多視點(diǎn)的方法

6、成為研究的熱點(diǎn)。多視點(diǎn)跟蹤技術(shù)的目的就是利用不同視點(diǎn)的冗余信息,減少被遮擋的區(qū)域,并提供目標(biāo)和場(chǎng)景的3D信息。盡管通過(guò)相機(jī)不能很好的解決目標(biāo)跟蹤問(wèn)題,但卻提出了一些很好的想法,如選擇最佳視點(diǎn),但這些方法都以實(shí)際環(huán)境模型和相機(jī)校正為特征。90年代后半期,在很多文獻(xiàn)中給出了多視點(diǎn)相關(guān)的多目標(biāo)跟蹤方法。論文檢測(cè)。比如利用一個(gè)或多個(gè)相機(jī)與觀察區(qū)域相連的狀態(tài)變化映射,同時(shí)給出一系列的行為規(guī)則去整合不同相機(jī)間的信息。利用顏色在多個(gè)視點(diǎn)中進(jìn)行多目標(biāo)的跟蹤的方法,該方法模擬了從基于顏色直方圖技術(shù)的背景提取中獲得的連接塊并應(yīng)用其去匹配和跟蹤目標(biāo)。除此之外,也有在原來(lái)的單視點(diǎn)跟蹤系統(tǒng)進(jìn)行擴(kuò)展的多視點(diǎn)跟蹤方法。該方

7、法主要是通過(guò)一個(gè)預(yù)測(cè),當(dāng)預(yù)測(cè)當(dāng)前的相機(jī)不在有一個(gè)好的視點(diǎn)時(shí),跟蹤就從原來(lái)凱斯的那個(gè)單相機(jī)視點(diǎn)的跟蹤轉(zhuǎn)換到另外一個(gè)相機(jī),從而實(shí)現(xiàn)多視點(diǎn)的跟蹤?;邳c(diǎn)與它對(duì)應(yīng)的極線的歐氏距離的空間匹配方法、貝葉斯網(wǎng)絡(luò)和立體相對(duì)合并的方法都是多目標(biāo)多視點(diǎn)跟蹤的常見(jiàn)方法。盡管這些方法都試圖去解決遮擋問(wèn)題,但由于遮擋的存在,基于特征的方法都不能根本解決,其次,這些方法中的遮擋關(guān)系的推理一般都是根據(jù)運(yùn)動(dòng)模型,卡爾曼濾波或者更普遍的馬爾科夫模型的時(shí)間一致性來(lái)進(jìn)行的。因此,當(dāng)這個(gè)過(guò)程開(kāi)始發(fā)散,這些方法也不能恢復(fù)遮擋關(guān)系。論文檢測(cè)。最近一種基于幾何結(jié)構(gòu)融合多個(gè)視點(diǎn)信息的Homegraphicoccupancy consrrai

8、nt (HOC)12方法,可以通過(guò)在多場(chǎng)景平臺(tái)對(duì)人的定位來(lái)解決遮擋問(wèn)題。僅采用隨時(shí)間變化的外表信息用于從背景中檢測(cè)前景,這使得在擁擠人流的場(chǎng)景中的外表遮擋的解決更健壯。利用多視點(diǎn)中的前景信息,主要是試圖找到被人遮擋的場(chǎng)景點(diǎn)的圖像位置,然后這些被遮擋的信息用于解決場(chǎng)景中多個(gè)人的的遮擋和跟蹤問(wèn)題。在這種思想指導(dǎo)下,Mittal,Leibe,F(xiàn)ranco等的研究工作和機(jī)器人導(dǎo)航中基于遮擋網(wǎng)格的距離傳感器的并行工作是相似的,這些方法在融合3D空間信息的時(shí)候需要進(jìn)行校正相機(jī)。但HOC方法是完全基于圖像的,僅需要2D結(jié)構(gòu)信息進(jìn)行圖像平面的融合。當(dāng)然也有另外一些不需要進(jìn)行相機(jī)校正的算法被提出,但需要學(xué)習(xí)一個(gè)

9、與相機(jī)最小相關(guān)的信息。在目標(biāo)跟蹤過(guò)程中,由于這些方法依賴(lài)于單個(gè)相機(jī)的場(chǎng)景,對(duì)于擁擠場(chǎng)景中目標(biāo)分布密度增加九無(wú)能為力了。在HOC的多視點(diǎn)的目標(biāo)跟蹤中,對(duì)于任何單一相機(jī)的場(chǎng)景,或者相機(jī)對(duì)的場(chǎng)景,都不需要進(jìn)行定位和跟蹤目標(biāo),而是從所有相機(jī)的場(chǎng)景中收集證據(jù),形成一個(gè)統(tǒng)一的框架,由于該方法能夠從多個(gè)時(shí)間幀的場(chǎng)景中進(jìn)行場(chǎng)景被遮擋概率的全局軌跡優(yōu)化,因此可以同時(shí)進(jìn)行檢測(cè)和跟蹤。3、總結(jié)動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤是智能監(jiān)控系統(tǒng)的重要組成部分,它融合了圖像處理、模式識(shí)別、自動(dòng)控制及計(jì)算機(jī)應(yīng)用等相關(guān)領(lǐng)域的先進(jìn)技術(shù)和研究成果,是計(jì)算機(jī)視覺(jué)和圖像編碼研究領(lǐng)域的一個(gè)重要課題,在軍事武器、工業(yè)監(jiān)控、交通管理等領(lǐng)域都有廣泛的應(yīng)用。

10、尤其是對(duì)于多目標(biāo)檢測(cè)與跟蹤中的遮擋與被遮擋的處理,對(duì)提高智能監(jiān)控中目標(biāo)的行為分析有著重要的意義。隨著監(jiān)控設(shè)備的發(fā)展和設(shè)施的鋪設(shè),多視點(diǎn)的場(chǎng)景圖像是很容易得到的,因此借助信息融合的思想,充分利用不同角度對(duì)目標(biāo)的描述信息,可以很大的改進(jìn)目前基于單視點(diǎn)的多目標(biāo)檢測(cè)和跟蹤的精度,能夠很好的解決單視點(diǎn)方法中不能很好解決的遮擋問(wèn)題。參考文獻(xiàn)1胡斌, 何克忠. 計(jì)算機(jī)視覺(jué)在室外移動(dòng)機(jī)器人中的應(yīng)用. 自動(dòng)化學(xué)報(bào), 2006, 32(5): 774-784.2A.Ottlik, H.-H.Nagel. Initializationof Model-Based Vehicle Tracking in Video

11、Sequences of Inner-City Intersections.International Journal of ComputerVision, 2008, 80(2): 211-225.3Lin Zhu, Jie Zhou, Jingyan Song. Tracking Multiple Objects Through Occlusionwith Occlusion Sampling and Position Estimation. Pattern Recognition, 2008,41(8): 24472460.4Luo Cheng, Cai Xiongcai, Zhang

12、Jian. Robustobject tracking using the particle filtering and level set methods: Acomparative experiment. Proceedings of the 2008 IEEE 10th Workshop onMultimedia Signal Processing, Australia, 2008: 359-364.5Li Zhu, Yabuta Kenichi, Kitazawa Hitoshi. Anew method for moving object extraction and trackin

13、g based on the exclusiveblock matching. 3rd Pacific Rim Symposium on Image and Video Technology, Tokyo,2009: 249-260.6I. Haritaoglu, D. Harwood, and L. Davis. Who,when, where, what: A real time system for detecting and tracking people. InFGR, pages 222-227, 1998.7M. Han, W. Xu, H. Tao, and Y. Gong.

14、An algorithmfor multiple object trajectory tracking. In Conference on Computer Vision andPattern Recognition, volume 1, pages 864-871, June 2004.8M. Isard and J. MacCormick. Bramble: a bayesianmultiple-blob tracker. In Conference on Computer Vision and PatternRecognition, volume 2, pages 34-41, July

15、 2001.9T. Zhao and R. Nevatia. Tracking multiple humansin complex situations. IEEE Trans. Pattern Anal. Mach. Intell., 26(9):1208-1221,2004.10 K. Okuma, A. Taleghani, N. de Freitas, J. Little, and D. Lowe. Aboosted particle filter: multitarget detection and tracking. In ECCV, Prague,Czech Republic, May 2004.11 G.J. Brostow and R. Cipolla. Unsuper

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論