複雜場景多目標輪廓跟蹤與異常行為早期檢測方法研究

《複雜場景多目標輪廓跟蹤與異常行為早期檢測方法研究》是依託上海交通大學，由胡士強擔任項目負責人的面上項目。

基本介紹

• 中文名：複雜場景多目標輪廓跟蹤與異常行為早期檢測方法研究
• 項目類別：面上項目
• 項目負責人：胡士強
• 依託單位：上海交通大學

項目摘要

隨著視頻監視系統套用的不斷深入，研究複雜場景內多目標跟蹤和行為理解檢測方法（即：如何在複雜場景中有效跟蹤多目標運動和儘早判斷其運動或姿態異常）成為視頻場景理解的關鍵問題之一。由於複雜感知環境、圖像感測器精度與使用代價等因素制約，基於線性高斯假設條件的許多場景檢測與分析方法時常顯的不能適應，效果不佳。本項目基於非高斯非線性系統假設，利用隨機有限集數學工具，結合機率假設密度和粒子濾波方法，重點研究複雜場景下的多目標跟蹤與異常行為早期檢測方法的深層次問題：基於機率假設密度與粒子濾波多目標輪廓建模與跟蹤算法；非高斯非線性系統輪廓跟蹤質量檢測準則；基於不確定信息模型未知環境下無特徵模式異常行為早期檢測算法。通過建立目標輪廓模型並進行輪廓跟蹤，依據輪廓跟蹤質量偏差，進行異常行為早期檢測判斷。為解決複雜場景下多目標跟蹤與行為理解提供套用基礎支持，同時也對非高斯非線性系統的早期變化檢測方法進行初步探索。

結題摘要

由於複雜感知環境、目標區域運動和目標數目變化等因素制約，複雜場景內多目標跟蹤和行為理解檢測方法時常效果不佳。本項目基於非高斯非線性系統假設，利用隨機有限集數學工具，結合機率假設密度和粒子濾波方法，研究了複雜場景下的多目標跟蹤與異常行為早期檢測方法的深層次問題：改進工作主要從補充跟蹤算法的航跡識別功能，提高觀測似然函式的區分性和可靠性，以及提高算法狀態抽取的可靠性和準確性三個方面著手對基於隨機有限集的視頻目標跟蹤算法進行研究。重點研究了基於機率假設密度與粒子濾波多目標輪廓建模與跟蹤算法；基於不確定信息模型未知環境下無特徵模式異常行為早期檢測算法。通過建立目標輪廓模型並進行輪廓跟蹤，依據輪廓跟蹤質量偏差，進行異常行為早期檢測判斷。實現了複雜場景下多目標跟蹤與異常狀態分析。利用雙攝像機協同系統，對交通擁塞異常狀態數據進行算法驗證，說明了算法的有效性。