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

1、視頻目標跟蹤是計算機視覺領域研究的熱點問題之一，其研究涉及到圖像處理、模式識別、人工智能等諸多相關科研領域，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用價值。隨著研究的深入和技術的發(fā)展，視頻目標跟蹤技術已經(jīng)在民用和軍事領域中得到了廣泛的應用，如智能視頻監(jiān)控、軍事制導、人機交互以及醫(yī)療診斷等。基于多攝像頭的智能視頻目標跟蹤技術是近幾年發(fā)展較快、研究較多的一個應用方向，但是仍面臨著許多技術難題。
　　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動目標。而多攝像頭視頻監(jiān)控系統(tǒng)提供了廣闊的監(jiān)控場景，可以進行目標長期連續(xù)跟蹤，因此在許多領域有著廣闊的應用前景，是視頻目標跟蹤領域新的研究熱點。基于多攝像頭的目標跟蹤涉及的問題主要包括目標連續(xù)跟蹤和目標匹配兩個部分。因此，本文重點研究了多攝像頭目標連續(xù)跟蹤、攝像頭之間目標匹配以及系統(tǒng)實現(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）算法的目標跟蹤方法對監(jiān)控區(qū)域中的運動目標進行跟蹤。TLD算法是一種全新的視頻目標跟蹤算法，適用于目標長期跟蹤。該算法結合了傳統(tǒng)檢測算法和主動跟蹤算法的優(yōu)點，有效解決了目標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定的目標進行跟蹤的同時，將跟蹤到的目標通過在線學習機制加入目標模型庫，對目標模型進行在線更新，使跟蹤效果更加準確、魯棒。然而，由于跟蹤算法檢測環(huán)節(jié)運算量較大，本文通過GPU（Grap

4、hic Processing Unit）實現(xiàn)算法并行優(yōu)化，顯著提升了算法的運行效率。
　　其次，本文提出一種基于平面單應性約束的方法來解決攝像頭之間的目標匹配問題。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，求解對應的單應性矩陣，建立兩者之間的映射關系，從而可以由前一攝像頭中的跟蹤目標獲得后一攝像頭中的匹配目標。實驗結果表明，該確認方法能夠較為準確的獲得匹配目標，在