基于視覺的運動目標(biāo)識別與跟蹤系統(tǒng)研究.pdf

1、運動目標(biāo)跟蹤是計算機(jī)視覺的重要研究領(lǐng)域，其在公共安全、武器制導(dǎo)、教育、醫(yī)療等方面具有廣闊的應(yīng)用前景。運動目標(biāo)的識別跟蹤是結(jié)合目標(biāo)識別與跟蹤的方法對圖像序列中的運動目標(biāo)進(jìn)行檢測，識別，跟蹤的過程。近年來隨著計算機(jī)視覺技術(shù)的發(fā)展，運動目標(biāo)跟蹤成為熱點研究問題。目前雖已有較多出色的目標(biāo)跟蹤算法，但在實際應(yīng)用中還面臨著諸多影響跟蹤的因素，如光照變化、運動目標(biāo)形變、尺度變化、背景干擾、目標(biāo)遮擋等，因此研究魯棒的運動目標(biāo)跟蹤算法仍是一項具有重要意義

2、的課題。目前學(xué)術(shù)領(lǐng)域已出現(xiàn)不少出色的跟蹤算法，CSK跟蹤算法便是其中之一，其優(yōu)點在于利用循環(huán)移位的方法進(jìn)行稠密采樣并結(jié)合快速傅里葉變換進(jìn)行分類器訓(xùn)練，跟蹤速度出眾。但其僅簡單的使用目標(biāo)的灰度特征，對目標(biāo)外觀描述能力不足，分類器的參數(shù)更新過于線性化無法適應(yīng)目標(biāo)發(fā)生較大變化時的跟蹤。
　　本文針對上述算法存在的不足，借鑒CN算法對CSK算法的改進(jìn)思想，利用概率潛語意分析算法對運動目標(biāo)顏色特征進(jìn)行描述，同時采用PCA降維降低特征維度并去

3、除特征冗余信息，對目標(biāo)特征描述更為簡練與魯棒。在對分類器的訓(xùn)練中，在原有參數(shù)更新方式中引入權(quán)重參數(shù)?并對參數(shù)更新方案進(jìn)行非線性化處理，使得分類器的訓(xùn)練與更新趨于穩(wěn)定與準(zhǔn)確。接著對benchmark測試平臺的算法集與測試數(shù)據(jù)集進(jìn)行擴(kuò)充，利用擴(kuò)充后的測試平臺對改進(jìn)后的算法與現(xiàn)有的效果出色的目標(biāo)跟蹤算法進(jìn)行跟蹤精度、成功率以及時間魯棒性(TRE)、空間魯棒性(SRE)的對比分析，同時對改進(jìn)前后的算法也進(jìn)行上述指標(biāo)的對比分析。改進(jìn)后的算法對很多