轨迹聚类与基于高斯过程回归模型的轨迹识别算法研究

为了保障生命财产安全、监控异常动态，安全监控系统在生活中日渐普及。而随着视频数据的累积和信息爆发式的增长，人工视频信息分析已无法满足安全监控的需求，自动化视频信息的需求越发迫切、要求越发多样化。近年来，关于视频内容分析的研究不断推陈出新，在视频特征提取、识别、分析注释等方面涌现出大量的研究成果，安全监控系统视频内容分析方面的研究尤为突出。 本文的目的是在安全监控系统中找到所有包含同一条运动轨迹的视频片段，这些视频片段可能从各种不同的角度在不同的时间跨度内拍摄到该运动轨迹的不同部分，而这些多角度的视频片段能提供更多有价值的信息。为实现此类视频片段的自动化搜寻，本文提出一个算法框架，包括三部分内容：运动轨迹三维还原、运动轨迹聚类以及运动轨迹识别。在运动轨迹三维还原中，根据计算机几何学原理运用已知对应点的位置信息建立三维空间平面到视频画面平面的投影关系，进而逆向还原视频中提取的运动轨迹，使得实际三维空间中的相似轨迹得以有效聚类。在建立平面间投影关系的仿真实验过程中，采用不同像素的视频画面分别与实际空间平面建立投影关系，分析视频像素等客观因素对轨迹三维还原的影响。在运动轨迹聚类部分，首先针对安全监控视频中可能存在的外部噪声和轨迹提取过程中产生的误差，对运动轨迹进行去噪处理；然后将时间跨度不同、长短不一的运动轨迹按照最长连续点序列距离度量方法以及改进的k-means聚类算法进行自动聚类。运动轨迹识别部分对待识别轨迹建立高斯过程回归模型，对待识别轨迹中的每个点建立x、y轴两个方向的速度值高斯过程回归模型，通过观察仿真实验结果分析待识别轨迹对逐个轨迹类的似然度。而对逐个点分别建模的方法也使轨迹识别有效避免尖锐噪声的影响，实现算法的鲁棒性。文章的最后通过仿真实验验证了算法的可靠性。