[01236585]智能视频监控中运动人体跟踪和行为识别关键技术研究

1．针对均值移动跟踪鲁棒性较差的问题,提出用空间相关背景加权直方图描述目标外观,设计出基于空间相关背景加权直方图的均值移动跟踪算法,给出新算法详细的推导和证明过程。通过对实际的视频序列数据进行测试、分析和对比,结果表明,新提出的算法因背景模型的动态更新和多特征相融合的目标外观表示方法,能较好的解决背景环境有很大变化时跟踪的精确性,使跟踪不过分依赖于初始目标的初始定位,使跟踪鲁棒性有所提高。 2．针对粒子滤波如何连续维持目标分配的多种模态,以及如何控制多模式增长问题,设计了非参数化递归模型的混合粒子滤波、混合粒子滤波和adaboost检测相融合的两种算法,用以解决数目变化的多目标跟踪问题。实验表明,改进的算法在没有增加计算复杂性的前题下,对数目确定或者数目变化的多目标均能实现有效跟踪。 3．针对粒子滤波多目标跟踪中数据关联和估计问题,把经典粒子滤波扩展成在给定几个观测过程时多目标状态过程的估计,并从随机性这个角度考虑数据关联,用Gibbs采样来估计和分配关联向量的。在实际的视频序列中对算法进行测试,实验表明,算法较好的解决了数据关联问题,在密集杂波的干扰和非线性跟踪下,也有另人满意的结果。 4.为了适应行人距离摄像头的距离远近和在画面中所处的相对位置不一样以及画面倾斜等问题,将矩不变量引入到行为识别,在此基础上提出小波轮廓矩的概念。