基于学习与继承的复杂大场景下多智能体接力目标跟踪研究

本课题系统研究自然复杂大场景或异域下的多智能体或摄像机视觉目标的协同接力跟踪策略与方法。内容包括基于自适应分段形状边界特征和自适应分块颜色（灰度）分布特征的目标特征的选择与提取，基于特征和目标（包括子段或子块）运动参数（位置、姿态、方向、速度、加速度）的多信息融合特征模型的建立，基于特征模型的自然复杂场景下的自适应目标跟踪算法（自适应刚性目标和柔性目标），接力跟踪过程中跟踪经验描述模型的建立、学习与继承算法，多智能体或摄像机的空间坐标标定与转换、运动控制模型的建立及接力区的确定，接力区内的时空渐进特征匹配目标初始化算法，以及大场景下接力跟踪的目标交接和协同接力跟踪策略。通过系统的研究建立一套理论和算法，实现包括遮挡、变形、强机动和周围环境变化等复杂大场景或异域下的目标快速、准确识别与目标正确交接及实时接力跟踪，并通过实验研究与开发，建立安保监控多智能体或摄像机接力目标协同跟踪的原型系统。

本课题在课题组前期研究工作的基础上，针对目标跟踪研究中的难点和实际应用中迫切需要解决的关键理论和技术问题，系统地研究了自然复杂大场景或异域下的多智能摄像机视觉目标的协同接力跟踪策略与方法。主要完成的研究内容包括：研究了基于自适应分段形状边界特征和自适应分块颜色（灰度）分布特征的目标特征的选择与提取；建立了基于特征和目标运动参数的多信息融合目标特征模型；考虑到多智能体目标跟踪交接时的复杂性，尤其是多个相似运动物体同时进入下一个智能体的监视场景时，为了保证交接的正确无误，研究了目标或目标局部的识别与定位方法；研究了基于目标特征模型的复杂场景下的自适应目标跟踪算法（自适应刚性目标和柔性目标）；基于目标与目标运动行为特性的跟踪经验描述模型的建立、学习与继承算法；研究了多智能摄像机的空间坐标标定与转换，建立了摄像机运动控制模型，研究了接力区的确定以及接力区内基于时空渐进特征匹配的目标接力的初始化算法；研究并建立了大场景下接力跟踪的跟踪交接和协同接力跟踪策略。通过系统的研究，建立了一套理论和算法，实现了包括遮挡、半遮挡、变形、强机动和周围环境变化等复杂大场景下的目标快速识别与跟踪、多智能摄像机的运动目标的跟踪接力，并建立了一套由5台智能摄像机构成的接力跟踪实验系统，对提出的理论和方法进行了验证。. 通过课题组人员的努力，圆满完成了项目计划任务书中的各项任务和要求，达到和超额完成了计划任务书中的研究目标和预期研究成果，在国内外高水平学术刊物和国际学术会议上发表相关学术研究论文45篇，其中国外杂志刊物11篇，国际会议论文17篇，国内核心期刊论文11篇，国内一般刊物4篇，国内会议2篇。SCI收录论文5篇，EI收录论文33篇，ISTP收录论文16篇次，产生了广泛的学术影响；在理论研究成果的基础上，进行了实验研究，形成一个多摄像机目标接力跟踪的原型系统；培养博士研究生4名，硕士研究生13名，博士学位论文1篇，硕士学位论文11篇。参加重要国际学术会议11人次，分别邀请美国University of Alabama in Huntsville的James E. Smith Jr.教授和美国Virginia Tech University的Rolf Muller教授到我实验室作学术报告和进行学术交流各1次。

内容获取失败，请点击重试