基于色彩名稱的目標跟蹤算法研究.pdf

1、目標跟蹤一直是計算機視覺領(lǐng)域研究中的一個核心研究方向。目標跟蹤在實際生活中的意義非常重大，例如它廣泛應(yīng)用于智能交通系統(tǒng)、視頻監(jiān)控系統(tǒng)、人機交互、視頻檢索、視頻壓縮、三維重建、虛擬現(xiàn)實等方面。盡管在過去幾十年中，目標跟蹤技術(shù)取得了長足的進步，但它仍然存在一些尚未解決的問題，例如光照變化、遮擋、大霧天、雨天、下雪天、目標尺寸變化、背景雜亂和跟蹤實時性的要求等問題。
　　自適應(yīng)顏色屬性實時視覺跟蹤（Color Name，即色彩名稱，簡寫

2、CN）算法是一種基于判別式的目標跟蹤算法，該算法采用高效的正則最小二乘法分類器代替?zhèn)鹘y(tǒng)Support Vector Machine（SVM）分類器進行分類，采用循環(huán)矩陣和傅里葉變換來進行稠密樣本化，采用CN空間顏色特征值和灰度值共同代表目標的特征，采用主成分分析的方法對高維的顏色數(shù)據(jù)進行降維，以此降低跟蹤目標的計算復(fù)雜度，最后分類器的參數(shù)更新會考慮到之前跟蹤過的所有幀而不僅僅是前一幀和當前幀。因為CN算法對許多圖像序列都能有效跟蹤，而且

3、實時性好，所以該算法得到了學(xué)者們的廣泛關(guān)注和重視。然而，CN算法一方面僅依據(jù)目標的CN顏色特征進行跟蹤，另一方面僅根據(jù)當前幀的目標中心位置確定后一幀目標的搜索范圍以及后一幀圖像進行預(yù)處理的高斯濾波中心。由于這些缺陷會導(dǎo)致該算法在一些圖像序列上會出現(xiàn)嚴重的目標跟偏或跟丟。
　　為了了解當前跟蹤算法和進一步提高CN算法的性能，本論文的主要工作包括：
　?。?）對現(xiàn)有的目標跟蹤算法進行了總結(jié)分類以及分析，并對 CN算法原理進行了較

4、為詳細的研究分析。
　　（2）由于 CN算法中僅依據(jù)顏色特征進行跟蹤，當圖像序列中出現(xiàn)目標被遮擋或是背景顏色和目標顏色相近的情況下，該算法容易丟失目標。針對該問題，本文提出采用CN算法結(jié)合邊緣提取算子獲得顏色的邊緣特征進行目標跟蹤。計算機仿真實驗結(jié)果表明，基于高斯拉普拉斯的CN算法能有效提高目標跟蹤效果。
　?。?）由于一方面 CN算法中僅依據(jù)當前幀的目標中心位置確定后一幀目標的搜索范圍，當圖像序列中出現(xiàn)目標不在目標的搜索范