基于行人多目标跟踪的智能视频监控系统

• 作 者: 周永哲
• 出 处: 西安电子科技大学
• 发表日期: 2021年05期
• 关键词: YOLOv3 多目标跟踪 特征融合 智能视频分析 智能预警

随着计算机视觉的发展和人们对视频监控系统要求的提高,基于计算机视觉的智能视频监控系统逐渐成为未来智能视频监控的发展方向。人们借助于目标检测和多目标跟踪技术可以很好的对监控视频中的行人目标进行简单的行为研判,并对行人抓拍以及异常行为智能预警。就目前而言,简单场景下的行人抓拍及预警效果比较好,但是对于如高峰期的地铁站上下客流、拥挤的步行街和会展期间的出入口等行人流量大的场景,由于行人密集,对算法实时性和性能要求更高,使得行人抓拍及预警实时性和准确性的保障成为亟需解决的问题。针对以上问题,本文采用基于检测的多目标跟踪方法(Detection Based Tracking,DBT)对视频监控中固定摄像机下的行人检测及多目标跟踪进行研究与应用,实现一个实时且精度高的智能视频监控系统。本文主要研究内容如下:(1)行人检测。本文研究了YOLOv3检测框架的方法原理,并针对项目地区的道路监控场景,完成了包含13710张样本图片的行人检测数据集制作。通过实验验证,YOLOv3检测框架下的目标检测算法的m AP为0.829。使用200万像素的监控视频流测试检测速度在32～37FPS,满足项目应用的需要。(2)行人多目标跟踪。本文提出了基于特征融合的实时行人多目标跟踪算法。该算法由YOLOv3检测算法提供跟踪目标,再通过卡尔曼滤波和匈牙利匹配完成更新轨迹,实现对行人的多目标跟踪。研究了结合HOG特征、运动特征和空间位置信息的遮挡处理方法,并结合距离权重和特征相似度权重优化数据关联效果。使用PETS、MOT数据集和实际应用场景对该算法进行测试和参数优化,实现了一种满足实时性要求且跟踪效果良好的多目标跟踪算法。(3)智能视频监控系统设计与实现。本文将行人多目标跟踪算法研究结果应用于工程实际,设计实现了包括区域入侵预警、快速奔跑预警和行人抓拍等功能的智能视频监控系统。为了增加系统的共享性和互交性,系统的分析模块通过和Web模块对接进行主要功能的展示,主要通过Kafka技术、FastDFS技术和RTMP直播技术实现将系统主要功能的文本、图片、短视频和实时视频流信息在前端页面的实时展示。该系统经过实际场景测试应用效果良好。