視覺目標跟蹤和識別的理論與方法研究.pdf

1、隨著信息采集、存儲、傳輸、處理和顯示等技術(shù)的飛速發(fā)展，視頻信息處理和分析也成為從視頻中獲取有用信息的重要手段。視覺目標跟蹤與識別既是計算機視覺等領(lǐng)域的重要研究課題，也是視頻監(jiān)控和人機交互中的關(guān)鍵技術(shù)。
　　盡管目標跟蹤和識別技術(shù)經(jīng)過幾十年的研究有了很大的進展，但挑戰(zhàn)依然存在。在實際應用中，尤其是在復雜情況下，如目標自身的運動、姿態(tài)及外界環(huán)境如光照、干擾、遮擋等各種變化，現(xiàn)有的目標跟蹤和識別技術(shù)仍不能滿足實際應用的要求。因此，研究適

2、合特定目標和適應各種復雜情況的目標跟蹤與識別的理論和方法仍然具有重要的學術(shù)意義和應用價值。
　　本論文主要研究目標自身和外界環(huán)境的復雜變化下的跟蹤和識別問題。在目標跟蹤方面，主要以人臉、車輛和行人等作為跟蹤對象，利用子空間、特征點和協(xié)方差特征等目標表示的方法，對機動目標跟蹤、在線模型學習、多姿態(tài)跟蹤、人臉器官聯(lián)合跟蹤以及提高復雜情況下目標跟蹤的魯棒性進行了較深入的研究。在目標識別方面，研究了在光照和姿態(tài)等復雜變化情況下基于視頻的人

3、臉識別和動態(tài)紋理識別。
　　本論文的主要研究工作及創(chuàng)新點包括:
　　基于目標外觀子空間表示的跟蹤方面，
　　提出了一種結(jié)合特征點和子空間表示的機動目標跟蹤方法。通過匹配相鄰兩幀間的SURF特征點建立自適應運動模型，并利用自適應粒子濾波跟蹤目標。該方法提高了跟蹤效率以及跟蹤快速運動目標的性能。
　　提出了一種基于Grassmann流形的在線子空間更新方法。利用子空間序列在時間上的關(guān)聯(lián)，在Grassmann流形的切空

4、間上應用Kalman濾波，并利用流形上的測地線與切向量的關(guān)系更新子空間。該方法能得到較穩(wěn)定的子空間表示，在復雜情況下能實現(xiàn)更穩(wěn)定的目標跟蹤。
　　提出了一種基于切換多線性子空間模型及Rao-Blackwellized粒子濾波的多姿態(tài)人臉跟蹤方法。對于每一個姿態(tài)的人臉用一個線性子空間表示，并用一個Markov模型實現(xiàn)多個子空間模型的切換。該方法能有效跟蹤多姿態(tài)人臉，并且可以在跟蹤的同時估計人臉的姿態(tài)。
　　提出了一種臉部器官（

5、眼睛、鼻子、嘴）聯(lián)合跟蹤方法。利用MRF表示人臉器官之間的相互關(guān)系，并結(jié)合粒子濾波和信度傳播實現(xiàn)跟蹤模型在時間和空間上的推理，從而實現(xiàn)人臉器官聯(lián)合跟蹤。在眨眼和說話時眼睛和嘴部出現(xiàn)明顯變化的情況下，聯(lián)合跟蹤具有比獨立跟蹤臉部器官更好的性能。
　　提出了用加權(quán)多模態(tài)協(xié)方差表示目標的跟蹤方法。通過核加權(quán)使接近目標區(qū)域中心的特征點具有更大的權(quán)重，并結(jié)合多個子區(qū)域的加權(quán)協(xié)方差表示目標，利用粒子濾波實現(xiàn)跟蹤。該方法在目標受干擾和部分遮擋情況