多攝像頭智能跟蹤算法研究及基于GPU的優(yōu)化實(shí)現(xiàn).pdf

1、視頻目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域研究的熱點(diǎn)問題之一，其研究涉及到圖像處理、模式識別、人工智能等諸多相關(guān)科研領(lǐng)域，是一個非常具有挑戰(zhàn)性的研究方向，具有較高的研究意義和應(yīng)用價值。隨著研究的深入和技術(shù)的發(fā)展，視頻目標(biāo)跟蹤技術(shù)已經(jīng)在民用和軍事領(lǐng)域中得到了廣泛的應(yīng)用，如智能視頻監(jiān)控、軍事制導(dǎo)、人機(jī)交互以及醫(yī)療診斷等?；诙鄶z像頭的智能視頻目標(biāo)跟蹤技術(shù)是近幾年發(fā)展較快、研究較多的一個應(yīng)用方向，但是仍面臨著許多技術(shù)難題。
　　由于單攝像頭視頻監(jiān)控系

2、統(tǒng)視域非常有限，不可能在監(jiān)控場景中長時間大范圍地跟蹤運(yùn)動目標(biāo)。而多攝像頭視頻監(jiān)控系統(tǒng)提供了廣闊的監(jiān)控場景，可以進(jìn)行目標(biāo)長期連續(xù)跟蹤，因此在許多領(lǐng)域有著廣闊的應(yīng)用前景，是視頻目標(biāo)跟蹤領(lǐng)域新的研究熱點(diǎn)?；诙鄶z像頭的目標(biāo)跟蹤涉及的問題主要包括目標(biāo)連續(xù)跟蹤和目標(biāo)匹配兩個部分。因此，本文重點(diǎn)研究了多攝像頭目標(biāo)連續(xù)跟蹤、攝像頭之間目標(biāo)匹配以及系統(tǒng)實(shí)現(xiàn)的算法優(yōu)化等問題。
　　首先，本文采用一種基于TLD（Tracking-Learning-D

3、etection）算法的目標(biāo)跟蹤方法對監(jiān)控區(qū)域中的運(yùn)動目標(biāo)進(jìn)行跟蹤。TLD算法是一種全新的視頻目標(biāo)跟蹤算法，適用于目標(biāo)長期跟蹤。該算法結(jié)合了傳統(tǒng)檢測算法和主動跟蹤算法的優(yōu)點(diǎn)，有效解決了目標(biāo)在長期跟蹤過程中出現(xiàn)的變形、遮擋、丟失等問題。本文采用的跟蹤方法在對設(shè)定的目標(biāo)進(jìn)行跟蹤的同時，將跟蹤到的目標(biāo)通過在線學(xué)習(xí)機(jī)制加入目標(biāo)模型庫，對目標(biāo)模型進(jìn)行在線更新，使跟蹤效果更加準(zhǔn)確、魯棒。然而，由于跟蹤算法檢測環(huán)節(jié)運(yùn)算量較大，本文通過GPU（Grap

4、hic Processing Unit）實(shí)現(xiàn)算法并行優(yōu)化，顯著提升了算法的運(yùn)行效率。
　　其次，本文提出一種基于平面單應(yīng)性約束的方法來解決攝像頭之間的目標(biāo)匹配問題。該方法通過SURF（Speed-up Robust Feature）算法檢測相鄰攝像頭監(jiān)控區(qū)域中的匹配特征點(diǎn)，求解對應(yīng)的單應(yīng)性矩陣，建立兩者之間的映射關(guān)系，從而可以由前一攝像頭中的跟蹤目標(biāo)獲得后一攝像頭中的匹配目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該確認(rèn)方法能夠較為準(zhǔn)確的獲得匹配目標(biāo)，在