针对视频行人重识别中的目标行人大范围遮挡的问题，将具有时间关联性、不受遮挡影响的行人轨迹预测与行人重识别相结合，提出一种基于时空轨迹融合的遮挡视频行人重识别算法。首先，从时间与空间域出发，实现符合社会属性的精确行人轨迹坐标预测；其次，构建时空轨迹融合特征，将视频序列中的表观视觉特征与行人轨迹中的坐标数据有效结合，有效缓解查询集中遮挡问题对重识别性能造成的影响；最后，构建适用于所提算法的轨迹融合数据集MARS_traj，并通过实验证明所提算法对遮挡视频重识别性能的有效提升。

对矿区人员入矿、出矿及重要生产活动行为进行精准定位与准确识别是实现矿区智能安全生产的重要基础。针对复杂的矿区生产环境，提出一种基于MK-YOLOV4的矿区人员无标注视频检索方法，实现对矿区重要关口监控无标注视频的多人员目标检测和各人员身份重识别。首先，提出MK-YOLOV4算法，实现无标注视频多人员检测，在YOLOV4上构建多尺度预测，结合K-means++算法聚类生成符合样本特点的anchor box，增强卷积神经网络对小目标的表征学习。其次，提出基于外观不变性的通道注意力特征提取网络，实现矿区人员身份的精确重识别，并针对矿区人员统一工作服的难点，提出基于权重约束的难样本采样损失函数，结合Color jitter和随机擦除两种数据增强策略，提高身份识别网络的精确性和鲁棒性。最后，针对现有训练数据集类别少、场景样本单一等特点，构建了更符合矿区场景特点的Miner-Market矿区人员重识别数据集，并在标准数据集和该数据集上对所提方法进行验证，充分证明了所提方法具有较高的检索性能和识别精度。

针对石油化工场景下传统的人体行为识别算法只关注人员自身行为,无法识别打手机、抽烟等属于人-物交互危险行为的问题,在基于骨骼点的人体行为识别任务中引入目标检测机制,提出基于深度学习的人-物交互行为识别算法。首先,采用OpenPose算法进行姿态估计,进而利用行为识别方法获取初始行为类别;其次,针对传统方法丢失背景和语义信息的问题,使用YOLOv3算法检测感兴趣物体,获得类别和位置信息;然后,通过判断人与物体的空间位置关系来表征人-物交互关系;最后,提出决策融合策略,对人的初始行为类别、物体信息、人-物交互关系进行决策融合,得到最终的行为识别结果。以打手机和抽烟行为为例对所提算法进行验证分析,结果表明,所提算法可以对石化场景下人员的危险行为进行准确识别。

针对视觉跟踪中的目标形变、部分遮挡和平面外旋转等问题,提出一种基于区域预估与自适应分类的视觉跟踪算法。该方法基于跟踪-修正-检测框架,利用Mean-Shift算法进行跟踪,并使跟踪器与检测器紧密相连,利用修正模块判断跟踪器和检测器是否需要在线更新;采用Kalman滤波器对目标潜在位置区域进行预估,避免全局扫描的繁琐流程;所提出的自适应方差分类器能够动态地调整分类器参数,增强分类器的灵活性,提高跟踪稳健性。采用OTB-2013评估基准中的视频序列进行测试,并将所提算法与其他4种具有代表性的视觉跟踪算法进行对比,实验结果表明,所提算法的稳健性和准确性均优于对比算法。

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时，极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进 CamShift算法，结合 Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时，通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推，预测目标运动位置信息，有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明，该算法在复杂背景及目标被短时遮挡情况下，可以实现目标的持续、稳定跟踪，并具有较好的实时性。

基于航道内船舶监控图像序列的多目标跟踪技术是开展船撞主动预警，提升桥区船舶通航安全的前提。基于颜色直方图的Camshift 跟踪算法在复杂气象条件下无法得到准确的跟踪结果，本文提出了一种多特征自适应融合的多目标跟踪算法。该算法的目标模型由颜色、形状及纹理多特征自适应融合实现，增加了描述目标模型的可靠性和鲁棒性；在跟踪目标时，将融合信息目标模型结合到Camshift 跟踪算法中。实验结果表明，该算法与传统Camshift 跟踪算法相比，具有更高的准确性和可靠性。