面向监控视频的行人跟踪算法设计与实现(2)
表3.2 PKU-SVD-B数据集说明 17
表3.3 TLD成功率(%) 18
表3.4 struck成功率(%) 19
表3.5 L1-APG成功率(%) 19
表3.6 TLD、struck、L1-APG成功率(%)… 20
表3.7 TLD成功率(%) 21
表3.8 struck成功率(%) 22
表3.9 L1-APG成功率(%) 22
表3.10 TLD、struck、L1-APG成功率(%) 23
1 绪论
1.1 引言
视频监控技术作为安防领域中的一种重要手段，对文持社会安定、协助公安部门打击犯罪、建设智慧城市具有重大意义。行人跟踪是视频监控系统中主要的组成部分之一，对于跟踪算法的研究直接影响了视频监控技术的发展。
1.2 课题背景及研究意义
正所谓，百闻不如一见。视觉是人类感知世界的一种重要途径，相关研究表明，人类通过视觉可以获得80%以上的外界信息，是人类主要的信息来源。随着计算机技术、通讯技术以及电子技术的迅速发展，人类将现实世界中的一些信息变换成计算机能处理的数字信息，利用计算机对外部世界的信息进行采集与分析和处理。计算机视觉就是研究如何让机器“看”的一门新兴科学。人脑的视觉皮质层通过分析视网膜上的成像从而对目标进行定位与识别。类似的，计算机视觉的研究者在利用摄像机获得的图像的基础上，通过数学的方法对目标的信息进行提取、分析和处理。计算机视觉作为计算机领域中发展最为活跃且最具潜力的学科之一，具有广泛的应用前景，例如智能导航、场景重建、质量检测、事件检测和目标分类。目标跟踪是计算机视觉领域中一个主要的研究方向，作用是在连续视频帧中定位目标所在的位置，并为更高级的目标状态分析提供基础。目前，目标跟踪己经广泛应用于以下方面：
（1）监控系统[1~2]。传统的监控系统通过大量的人力对监控视频实时或者以回放的方式进行观察、分析。然而，传统的监控系统已经无法满足伴随监控规模扩大而来的海量数据。因此，对由摄像头采集到的视频图像进行自动分析、处理的智能监控已然成为未来发展的趋势。智能监控系统涉及计算机视觉、图像处理和模式识别技术。借助于计算机强大的数据处理能力，智能监控系统能够过滤掉视频图像中的冗余信息，对感兴趣信息进行识别与分析，从而对监控视频中的异常情况进行快速准确的判断。近年来，随着集成电路的发展，智能监控系统所需要的摄像头等硬件成本大大的降低，这使得智能监控技术得到了更广泛的应用。在监控视频中，运动的目标往往包含大量有意义的信息，特别是行人。因此，智能监控系统需要对监测环境中的行人进行检测、跟踪，并理解其行为。一般情况下，智能监控系统就是对监控视频内的行人进行实时的检测、跟踪以及行为分析。
（2）交通系统[3]。智能交通系统是未来交通系统的发展方向，它将先进的计算机技术、电子技术、通讯技术和自动化控制技术等集成运用，建立一种实时、准确、高效的综合交通系统。通过分析摄像头获取到的视频图像信息，该系统可以实时得到关于交通流量的信息。对车辆的检测和跟踪能使人们得到车辆的速度与车流的密度等信息，了解到道路的堵塞状况，为交通信号的智能控制提供基础信息支持，从而提高车辆及行人的通行效率。此外，智能交通系统能够识别、跟踪车辆，并判断是否有异常行为的发生。在智能车辆系统中，行人以及车辆的检测和跟踪技术能够为辅助驾驶系统提供一定的信息基础。在车辆日益增加、日益智能化的现代，目标跟踪在智能交通系统中起到了越来越关键的作用。
上一篇：组合聚类算法研究与实验+文献综述