随着监控场景的不断复杂化,传统的基于二维图像的视频监控分析已经无法满足人们的需求,需要从场景中获得更多的信息加入到分析的因素中。而在如今的监控中,深度信息变得尤为重要,因此从二维图像中根据摄像机模型获得移动目标对应的三维空间点坐标的定位技术成了智能监控技术中的热点问题。本文研究基于GPS辅助的目标空间定位和移动目标运动轨迹预测和融合技术,主要研究工作和成果如下:1、基于GPS辅助的移动目标空间定位技术研究。提出了一种基于参考点GPS辅助的摄像机映射模型,使用平差理论提高了模型参数的精度;针对镜头畸变而引起的径向误差,提出使用同心环的原理对移动目标进行求解,以及使用误差补偿曲线的方式对使用同心环引入的误差进行消除,达到在实时的情况下对移动目标准确的空间定位。2、基于亚像素和数据置信度的定位技术优化。首先根据Vibe算法得到的像素级的移动目标边缘坐标,利用包括Zernike矩,主轴分析和高斯拟合的多种亚像素方法对其边缘坐标进行处理,得到更为精确的亚像素坐标,以此获取精度更高的移动目标空间坐标。另一方面从定位数据的可靠性出发,对摄像机做以可靠程度为标准的置信度处理,置信度作为加权因子,以此得到更为可靠的移动目标GPS坐标。3、移动目标运动轨迹预测和融合。基于本文提出的映射模型,对多摄像机场景中移动目标的运动方式进行分析。在多个运动目标交叉运动时根据之前状态的运动轨迹区分多个运动目标;在运动目标被障碍物遮挡时根据卡尔曼滤波或者惯性定理做出运动状态的预测,并且对因障碍物遮挡而形成的运动轨迹中断,采用最长链方法进行运动轨迹融合,得到较为完整且可靠的运动轨迹。本文通过实验证明,基于GPS辅助误差补偿的移动目标定位可以在线性时间内得到较高精确度的移动目标的GPS坐标,且基于亚像素和数据置信度的优化算法也进一步对定位精度做了提升,根据定位结果拟合出的运动轨迹融合预测曲线和融合曲线都符合真实运动状态。这些都说明了本文的算法在实时的监控系统下有着良好的效果。最后对本文做出了内容的总结,同时也分析了本文中仍然存在的不足之处以及后续研究中可以深入研究的部分。