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、隨著物聯網技術及計算機視覺的發(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的一個典型應用。
　　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)針對證據理論組合方法不能有效組合高沖突證據的問題，從修正證據源的角度提出了兩種改進方法。一種是基于批量式的證據源修正方法，首先同時引入余弦相似度函數和距離函數;然

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

3、一個“參考證據”;然后利用該參考證據對各個原始證據進行偏離度的判定及修正。最后利用Dempster-Shafer規(guī)則完成證據的組合。實驗結果表明:新方法提高了融合結果的可靠性和合理性，可以有效地處理高沖突證據。
　　(2)針對證據理論組合規(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組合規(guī)則。首先采用證據距離函數獲得各證據體的信任度和加權平均證據;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;最后實驗結果表明，所提算法提高了證據合成結果的可靠性和合理性。
　　(3)針對證據理論中傳統沖突系數不能有效表示證據間關系的問題，提出了一種基于新的衡量標準的的證據自適應組合方法。通過引入pignistic變換，聯合經典沖突系數定義了一種新的證據沖突表示方法;實驗結果表明:新的沖突系數可以有效表示證據間的相互關系。
　　(4)針對目前常用的融合方法乘性融合和加權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理論組合方法應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距離和證據的不確定性獲取證據權重以修正待組合的證據;最后將改進的證據理論組合方法在實際跟蹤場景下進行了應用;實驗結果表明: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融合方法，該方法通過特征距離將乘性融合方法和加權和融合方法統一在一個融合框架內，根據特征距離自適應調節(jié)乘性融合和加