智能環(huán)境下基于視頻多特征融合的單說話人跟蹤方法研究.pdf

1、隨著物聯(lián)網(wǎng)技術(shù)及計算機視覺的發(fā)展，基于視頻的說話人定位與跟蹤技術(shù)也越來越受到人們的重視，目前已成為一個重要的研究課題，而智能環(huán)境下基于視頻的多特征融合跟蹤是該技術(shù)的一個典型應(yīng)用。
　　本文主要圍繞目標跟蹤中的多特征融合問題進行了研究與探討，主要工作如下:
　　(1)針對證據(jù)理論組合方法不能有效組合高沖突證據(jù)的問題，從修正證據(jù)源的角度提出了兩種改進方法。一種是基于批量式的證據(jù)源修正方法，首先同時引入余弦相似度函數(shù)和距離函數(shù);然

2、后根據(jù)方向相似度和距離相似度獲得各證據(jù)間的聯(lián)合相似度，并以此獲得各證據(jù)的加權(quán)系數(shù);最后對系統(tǒng)中的證據(jù)加權(quán)平均后利用Dempster組合規(guī)則進行組合。仿真結(jié)果表明:與其它的方法相比較，該方法不僅考慮了系統(tǒng)中證據(jù)在距離上的相似性，而且考慮了證據(jù)在方向上的相似性，融合后的結(jié)果更為理想。另一種方法是基于沖突檢測的部分證據(jù)源修正方法，首先引入證據(jù)距離函數(shù)獲得各證據(jù)體的相互支持度，并將支持度歸一化為證據(jù)的信任度，對所有的證據(jù)進行信任度加權(quán)平均，獲得

3、一個“參考證據(jù)”;然后利用該參考證據(jù)對各個原始證據(jù)進行偏離度的判定及修正。最后利用Dempster-Shafer規(guī)則完成證據(jù)的組合。實驗結(jié)果表明:新方法提高了融合結(jié)果的可靠性和合理性，可以有效地處理高沖突證據(jù)。
　　(2)針對證據(jù)理論組合規(guī)則不能有效對沖突信息進行分配的問題，提出了一種基于局部沖突分配的證據(jù)組合規(guī)則。首先采用證據(jù)距離函數(shù)獲得各證據(jù)體的信任度和加權(quán)平均證據(jù);然后由定義的焦元距求其每一個焦元的絕對距離，并以此獲得焦元信

4、任度，將焦元的信任度作為局部沖突分配因子;最后實驗結(jié)果表明，所提算法提高了證據(jù)合成結(jié)果的可靠性和合理性。
　　(3)針對證據(jù)理論中傳統(tǒng)沖突系數(shù)不能有效表示證據(jù)間關(guān)系的問題，提出了一種基于新的衡量標準的的證據(jù)自適應(yīng)組合方法。通過引入pignistic變換，聯(lián)合經(jīng)典沖突系數(shù)定義了一種新的證據(jù)沖突表示方法;實驗結(jié)果表明:新的沖突系數(shù)可以有效表示證據(jù)間的相互關(guān)系。
　　(4)針對目前常用的融合方法乘性融合和加權(quán)和融合不能有效融合視頻

5、多個特征的問題，提出了三種解決方法。第一種方法將改進的證據(jù)理論組合方法應(yīng)用在視頻多特征融合跟蹤中，以完成目標的準確跟蹤。其同時采用K-L距離和證據(jù)的不確定性獲取證據(jù)權(quán)重以修正待組合的證據(jù);最后將改進的證據(jù)理論組合方法在實際跟蹤場景下進行了應(yīng)用;實驗結(jié)果表明:改進的組合方法具有很好的性能。第二種方法是基于特征距離的多特征自適應(yīng)融合方法，該方法通過特征距離將乘性融合方法和加權(quán)和融合方法統(tǒng)一在一個融合框架內(nèi)，根據(jù)特征距離自適應(yīng)調(diào)節(jié)乘性融合和加