多摄像机协作分布式智能视觉监控中若干问题研究(可复制论文).pdf

摘要婕扑慊瓷杓浦悄芡枷翊ǜ衅鳎档统杀静⑻岣呖煽啃浴S敫咝阅芗扑慊啾龋珼的计算能力毕竟有限,在计算机上取得良好性能的多数复杂算法不能直接应用到希运动目标检测及跟踪、人脸检测跟踪、摄像机标定、多摄像机协作监视等基础性问题,着力种方法利用运动分割检测出“虚假”的运动区域,仅对“虚假”运动区域进行背景更新,计尔曼预测多目标跟踪算法,算法使用跟踪置信度策略,在单摄像机条件下,能统一处理遮挡、智能图像传感器是分布式视觉监控系统的关键设备,如果用高性能计算机来设计智能图像传感器,则成本过高。并且一般计算机的可靠性较差,不能满足视觉监控系统连续工作的需要。近年来,数字信号处理器脑怂闼俣却蠓嵘鄹癫欢舷陆担虼丝梢杂须根据募扑隳芰ι杓菩碌乃惴ɑ蛘叨砸酝惴ń懈慕诒Vに惴ㄐ阅艿那疤嵯戮量降低算法的复杂度。本文就是以基于耐缟阆窕S布教ǎ芯糠植际街悄苁泳跫嗫刂斜尘爸亟ā解决算法复杂度与算法性能之间的矛盾。主要成果及创新如下:焖俣既返谋尘爸亟ㄊ欠植际街悄苁泳跫嗫氐闹匾;≈弧B畚奶岢隽街挚焖俦景重建算法,即基于背景象素值出现频次最高假设的背景重建改进方法和利用运动分割结果指导背景更新的背景重建方法。第一种方法先去掉前景点,再统计背景点各像素值出现的频次,选出频次最大的灰度值作为背景灰度值,算法能快速有效地重构背景,并且当日标运动缓慢或在某一区域频繁出现导致前景点出现的概率大于背景点时,仍能正确重构背景。第二算量小,更新速度快,并且算法不受背景点出现频次的限制。ド阆窕偈嵌嗌阆窕俚幕 B畚母鲆恢衷硕觳庥朐硕阉飨嘟岷系目合并、分裂等情况,⒏偈鞘泳跫嗫叵低车囊幌钪匾9δ堋B畚淖酆嫌τ梅羯卣骱腿肆区域的边缘点方向特征,给出一种基于贝叶斯分类器的快速视频人脸检测方法,并利用人脸检测及预测实现多人脸的跟踪。ü阆窕甓ɑ袢∧勘甑氖澜缱晔鞘泳跫嗫氐闹匾H挝裰唬畚奶岢鲆恢只四元数的运动摄像机旋转矩阵的在线标定方法,标定方法简捷,重建世界坐标误差较小。另外提出一种基于人体身高模型的单摄像机目标定位新方法,能通过外参数未标定的单个摄像机获取目标在地平面上的二维坐标,满足室内或室外运动目标定位的需要。嗌阆窕魇翘岣叻植际绞泳跫嗫叵低持悄苄缘闹匾7椒āB畚奶岢鲆恢至C嘶多摄像机协作模型,利用基于任务需求与摄像机能力距离匹配的协作联盟快速生成算法选择择多个摄像机来跟踪目标,并用加权轨迹融合算法提高轨迹的精度。关键词:分布式智能视觉监控,多摄像机协作,运动跟踪,人脸检测,摄像机在线标定,单摄像机目标定位
知识水坝***@pologoogle为您整理
.╰.甌甌,’.辦餯琩:猳...,。
知识水坝***@pologoogle为您整理
嘲,..‘..,:,琣甀
插图清单图高斯背景模型与三角核背景模型运动检测结果的比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图阴影消除实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯蛄惺笛榻峁图初始速度对跟踪精度的影响⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯序列序列跟踪中部分图片⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图多目标跟踪实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图视觉的三表象简图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图分布式智能视觉监控系统结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图分布式智能视觉监控流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图象素点灰度值变化曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图旋转球体的光流场⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图帧差法实验结果对比⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图对象及结构元素⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图腐蚀结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图膨胀结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图投影分割示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图璺ㄓ蚴侗鹬邢叨渭涔叵凳疽馔肌图蛄惺笛榻峁自拍序列的实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图煌ḿ嗫匦蛄械氖笛榻峁⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图煌ḿ嗫匦蛄械氖笛榻峁⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图硕指钪傅急尘案陆峁图南譡椒ū尘案陆峁图跏急尘按嬖谠硕勘甑谋尘案陆峁图运动噪声初值对跟踪精度的影响图测量噪声初值对跟踪精度的影响蛄⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图目标的动态目标链⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图目标遮挡情况示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯目标轨迹⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图像的