利用多攝影機進行移動物三維定位及追蹤

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：29

、訪客IP：18.221.8.126

姓名

賴丙全(Bing-Cyuan Lai) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

利用多攝影機進行移動物三維定位及追蹤
(Objects Positioning and Tracking Using Multiple Active Video Cameras)

相關論文

★ 多時期衛星影像之自動化監督性分類	★ 大範圍地區土地使用分類之研究
★ 高解析力衛星影像控制點座標之自動化萃取	★ 影像最佳類別數目之研究
★ 遙控直昇機應用於工程管理監測可行性之研究	★ 以地理資訊系統輔助共同管道之最適設計
★ 有理函數應用於空載多光譜影像幾何校正之研究	★ SPOT自然色影像產生之研究
★ 結合影像區塊及知識庫分類之研究-以IKONOS衛星影像為例	★ 遙控飛機空載視訊影像自動化鑲嵌方法之研究
★ 影像分割技術於高解析衛星影像分類之應用	★ 小波多層次解析之影像融合應用
★ 線性複合模式應用於變遷偵測之研究	★ 改良式變異向量分析法於變遷偵測之探討
★ 區塊分割變遷偵測法於多時期衛星影像之應用	★ 資料挖掘技術應用於外來入侵植物研究 (以恆春地區銀合歡為例)

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

利用攝影機進行區域偵測在日常生活中已有相當多應用，本研究利用兩部PTZ攝影機組成的定位追蹤系統，在不需使用數值高程模型的情況下，由攝影機視訊資料中自動化萃取出移動物體在物空間的三維移動軌跡。本研究內容可分為兩階段:第一階段為建立PTZ攝影機像物空間轉換模式，系統中的各PTZ攝影機經由一率定程序，建立像平面與物空間的雙向轉換模式，同時也建立不同攝影機間的空間對應關係;第二階段為移動物體的定位追蹤，使用漸進式背景影像相減法，由攝影機視訊資料中偵測出移動物體在像平面上的位置，再經過匹配和空間前方交會得到移動物體的物空間坐標，最後產生移動物體的三維移動軌跡。實驗部份分別對兩階段成果進行測試，第一階段是以靜態影像及檢核點進行測試，結果顯示能夠正確地進行像平面與物空間之間的雙向轉換，並且能夠交會出目標點在物空間的坐標;第二階段以多種情境的視訊資料進行測試，包含PTZ攝影機固定角度或會改變角度、各攝影機Zoom為相同或不同、移動物體為單個或多個等情況，結果顯示在上述各種情況下，本研究都能由視訊資料中自動化計算出移動物體在物空間的三維坐標，並藉時序關係構成三維的移動軌跡。

摘要(英)

Object tracking using video camera is an important task for many applications in the field of visual surveillance. In the past, most of studies on object tracking were focused on the issues of finding the trajectories of the moving objects on a two-dimensional (2-D) image plane. However, the trajectories on the image plane are insufficient to represent the complete motions of the moving objects in the object space. In theory, if an accurate digital elevation model (DEM) exists, the collinearity conditions can be used to perform the coordinate transformation between the image plane and the object space. However, it is generally not easy to obtain the accurate DEM for the area under monitor. In this study, multiple video cameras and the concept of epipolar geometry are used to perform the coordinate transformation when the DEM is not available. The main objective of the study is to provide three-dimensional (3-D) trajectories of various moving objects in the object space.
In this study, we use two PTZ cameras to track the moving objects and apply the photogrammetric technique to position the moving objects in the object space. The proposed method involves two main stages: in the first stage, a camera calibration procedure is employed to construct the collinearity relationship between the image plane and the object space, and then the transformation between the image and objects spaces can be performed; in the second stage, the moving objects on each PTZ camera are detected using the progressive background subtraction method, and the epipolar geometry and space intersection technique are used to calculate the object coordinate of the moving objects. After all, 3-D trajectories of the moving objects can be constructed using the temporal relationship in the image sequence.
The proposed system is tested on various scenarios in an open area. The experimental results reveal that the both of the proposed system and method can successfully track the moving objects and present the 3-D trajectories of the moving objects in the object space.

關鍵字(中)

★ PTZ攝影機
★ 三維軌跡
★ 追蹤
★ 定位
★ 移動物體
★ 多攝影機

關鍵字(英)

★ PTZ Camera
★ 3-D trajectory
★ tracking
★ positioning
★ moving object
★ multiple cameras

論文目次

第一章序論 1
1-1 研究背景與目的 1
1-2 文獻回顧 2
1-2-1 單攝影機追蹤 3
1-2-1-1 背景影像相減法 3
1-2-1-2 時序相減法 4
1-2-1-3 光流法 6
1-2-2 多攝影機追蹤 6
1-2-2-1 區塊資料法 7
1-2-2-2 點資料法 8
1-3 研究內容與論文架構 8
第二章建立PTZ攝影機像物空間轉換模式 13
2-1 PTZ攝影機簡介 13
2-2 攝影機像物空間轉換模式建立方法 14
2-2-1 PTZ攝影機共線條件修正 15
2-2-1-1 攝影機Pan及Tilt率定 17
2-2-1-2 攝影機Zoom率定 18
2-2-1-3 攝影機內方位參數及附加參數率定 21
2-2-2 光束法平差求解 23
2-2-2-1 控制點及影像連結點 23
2-2-2-2 光束法觀測方程式 24
2-2-2-3 參數初始值 28
2-2-2-4 收斂之門檻值 28
2-2-3 攝影機像平面與物空間雙向轉換模式 29
第三章移動物體定位追蹤 31
3-1 移動物體偵測 33
3-1-1 背景影像建立 34
3-1-2 移動像元萃取 36
3-1-3 區塊重組 37
3-1-4 物件資訊萃取 39
3-1-4-1 形心坐標計算 39
3-1-4-2 灰階平均值計算 39
3-1-4-3 灰階標準差計算 40
3-2 移動物體匹配 40
3-2-1 幾何匹配 42
3-2-2 匹配點過濾 44
3-3 移動物體定位 46
3-4 移動物體三維軌跡建立 46
第四章研究設備及資料 49
4-1 多攝影機系統 49
4-1-1 PTZ攝影機 49
4-1-2 數位地圖 51
4-2 測試資料及測試情境 51
4-2-1 第一階段測試資料 52
4-2-1-1 檢核點資料 52
4-2-1-2 影像資料 53
4-2-2 第二階段測試資料 54
第五章測試結果與討論 68
5-1 攝影機像平面與物空間轉換模式測試 68
5-1-1 轉換模式建立 68
5-1-1-1 攝影機Zoom對焦距轉換 68
5-1-1-2 光束法平差求解 70
5-1-2 轉換精度測試 72
5-1-2-1 定量測試 72
5-1-2-2 定性測試 74
5-2 多攝影機移動物體定位追蹤測試 80
5-2-1 測試情境一 81
5-2-2 測試情境二 84
5-2-3 測試情境三 86
5-2-4 測試情境四 90
5-2-5 測試情境五 93
5-2-6 測試情境六 96
第六章結論與建議 100
6-1 結論 100
6-2 建議 104
參考文獻 106
附錄一 108
附錄二 116

參考文獻

王俊明、陳世旺，2002。「漸進背景影像的建構」，師大學報：數理與科技類，第四十七卷，第二期，43-54。
張智安，2002。「EROS A 衛星影像幾何改正之研究」，碩士論文，國立中央大學土木工程研究所。
劉虹妤、曾義星、王聖鐸，2001。「數位相機檢定之自動化」，航測及遙測學刊，第六卷，第三期，23-35。
Brown, D.C., 1971. Calibration of Close Range Cameras, Photogrammetric Engineering, Vol. 37, 855-866.
Gonzalez, R.C. and R.E. Woods, 2002. Digital Image Processing, Prentice-Hall, Upper Saddle River, NJ.
Khan, S. and M. Shah, 2003. Consistent Labeling of Tracked Objects in Multiple Cameras with Overlapping Fields of View, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 25, No. 10, 1355-1360.
Kim, J. B. and H. J. Kim, 2003. Efficient Region-Based Motion Segmentation for a Video Monitoring System, Pattern Recognition Letters, Vol. 24, Issue 1-3, 113-128.
Krumm, J., S. Harris, B. Meyers, B. Brumitt, M. Hale, and S. Shafer, 2000. Multi-Camera Multi-Person Tracking for EasyLiving, Proc. of Third IEEE International Workshop on Visual Surveillance, 1-8.
Lai, A.H.S. and N.H.C. Yung, 1998. A Fast and Accurate Scoreboard Algorithm for Estimating Stationary Background in an Image Sequence, Proc. of IEEE Int’l Symp. on Circuits and Systems, Vol. 4, 241-244.
Lee, L., R. Romano, and Gideon Stein, 2000. Monitoring Activities from Multiple Video Streams: Establishing a Common Coordinate Frame, IEEE Trans, Pattern Aanlysis and Machine Intelligence, Vol. 22, No. 8, 758-767.
Lim, S.N., A. Elgammal, and L.S. Davis, 2003. Image-based Pan-tilt Camera Control in a Multi-camera Surveillance Environment, ICME ’03 Proceedings, 2003 International Conference on Multimedia and Expo, Vol. 1, 645-648.
Lipton, A.J, H. Fujiyoshi, and R.S. Patil, 1998. Moving Target Classification and Tracking from Real-Time Video, Proc. of IEEE Workshop on Applications of Computer Vision, Vol. 4, 8-14.
Long, W. and Y.H. Yang, 1990. Stationary Background Generation: An Alternation to the Difference of Two Images, Vol. 23, No. 12, 1351-1359.
Masoud, O. and N.P. Papanikolopoulos, 2001. A Novel Method for Tracking and Counting Pedestrians in Real-Time Using a Single Camera, IEEE Trans. Vehicular Tech., Vol. 50, No. 5, 1267-1278.
Micheloni, C., G.L. Foresti, and L. Snidaro, 2005. A Network of Cooperative Cameras for Visual-Surveillance, IEE Proc. of Vision, Image, and Signal Processing, Vol. 152, No.2, 205-212.
Micheloni, C. and G.L. Foresti, 2006. Real-time Image Processing for Active Monitoring of Wide Areas, Journal of Visual Communication & Image Representation, Vol. 17, Issue 3, 589-604.
Mittal, A. and L.S. Davis, 2003. M2Tracker: A Multi-View Approach to Segmenting and Tracking People in a Cluttered Scene, International Journal of Computer Vision, Vol. 51, Issue 3, 189-203.
Pai, C.J., H.R. Tyan, Y.M. Liang, H.Y.M. Liao, and S.W. Chen, 2004. Pedestrian Detection and Tracking at Crossroads, Pattern Recognition, Vol. 37, Issue 5, 1025-1034.
Press, W.H., S.A. Teukolsky, W.T. Vetterling, and B.P. Flannery, 1992. Numerical Recipes in C: The Art of Scientific Computing, 2nd edtion, Cambridge University.
Shin, J., S. Kim, S. Kang, S.W. Lee, J. Paik, B. Abidi, and M. Abidi, 2005. Optical Flow-Based Real-Time Object Tracking Using Non-Prior Training Active Feature Model, Real-Time Imaging, Vol. 11, Issue 3, 204-218.
Wolf, P.R. and B.A. Dewitt, 2000. Elements of Photogrammetry: With Applications in Gis, 3rd edition, McGraw-Hill, NY.

指導教授

陳繼藩(Chi-Farn Chen)

審核日期

2007-7-23

推文