基于多目標跟蹤及軌跡組合優(yōu)化的視頻摘要.pdf

1、隨著智能視頻監(jiān)控系統(tǒng)的飛速發(fā)展，監(jiān)控視頻在公安、智能交通方面發(fā)揮著越來越重要的作用。由于監(jiān)控視頻數據無結構、數據量巨大，監(jiān)控視頻系統(tǒng)面臨著海量數據危機。人們期待可以更高效地存儲、更便捷地瀏覽視頻的信息。本文研究的視頻摘要是一個瀏覽和索引這些視頻的高效方法，它保存了原始視頻的關鍵信息，同時使得視頻長度大大縮短。近年來，面對視頻摘要的研究雖然取得一定的進展，但是與實際應用的要求還有一定差距。因此，面向監(jiān)控視頻的摘要生成及應用技術不僅具有重要

2、的理論研究意義，而且具有重要的應用前景。
　　本文旨在從監(jiān)控視頻中提取運動目標及其運動軌跡、對軌跡在時空上重新組合，構建一個視頻摘要生成與應用系統(tǒng)。針對現(xiàn)有研究方法中目標提取不準確，跟蹤不穩(wěn)定等問題，本文主要開展以下三方面的研究:(1)監(jiān)控視頻中目標檢測及軌跡生成;(2)監(jiān)控視頻中運動目標軌跡組合優(yōu)化;(3)設計并實現(xiàn)了視頻摘要的生成及應用的原型系統(tǒng)。本文的主要貢獻如下:
　　1.提出了結合網絡流和迭代Hankel矩陣的全部

3、最小二乘(IHTLS)的多目標跟蹤算法。本文的多目標跟蹤算法采用先檢測再跟蹤的策略，即先利用可變部件模型(DPM)算法將視頻中的目標提取出來;然后利用改進的網絡流算法獲得初始跟蹤結果，再結合IHTLS算法恢復丟失數據，對初始跟蹤結果進行改進，獲取目標軌跡。
　　2.提出了基于聚類的軌跡組合優(yōu)化算法。采用能量函數定義軌跡在時空中重新組合產生的目標沖突，目標丟失的代價。根據目標的起始、結束空間位置，使用K-means進行聚類;再采用基