基于局部模型和仿生模式識別的目標跟蹤方法研究.pdf

1、目標跟蹤是計算機視覺領域內(nèi)的一個重要課題，它以跟蹤目標物體在視頻每一幀中所呈現(xiàn)出的外觀和運動狀態(tài)的變化為主要目的，目前得到了國內(nèi)外學者的廣泛關注，并且被應用到智能監(jiān)控、醫(yī)學圖像、車輛導航等工程中。本文對目標跟蹤方法進行了總結，重點分析了它的技術要點和評價標準。仿生模式識別是一種類似人的“認識”的模式識別方法，它是通過對高維空間中樣本進行“覆蓋”而不是“劃分”來識別目標的，多權值神經(jīng)網(wǎng)絡是它的實現(xiàn)方法。本文在此基礎上，取得的主要研究成果為

2、：
　　1.目標跟蹤中的訓練樣本是按時間采樣得到的，有時背景中存在的偽目標會干擾真實目標的獲取，為此本文提出了多權值神經(jīng)網(wǎng)絡的改進方法，即基于距離的多權值神經(jīng)網(wǎng)絡?？紤]當前幀中目標與訓練樣本集之間的關系，我們引入距離權值，實驗表明該方法可以有效減少偽目標的干擾。
　　2.局部模型近年來與一些經(jīng)典方法相結合，用于處理遮擋、形態(tài)和光照變化下的目標跟蹤問題，本文將局部模型與仿生模式識別相結合，提出了分塊仿生模式識別目標跟蹤方法，該

3、方法是把訓練樣本集進行分塊，得到多組分塊樣本集進行神經(jīng)網(wǎng)絡訓練，候選區(qū)域通過這些神經(jīng)網(wǎng)絡后，每組分塊會得到與它最相近的跟蹤結果，從這些分塊跟蹤結果中按照一定的規(guī)則可以確定最終的目標位置，實驗表明該方法具有良好的抗遮擋性。
　　3.圖像距離度量方法對于圖像處理、模式識別等領域有重要作用，識別候選樣本是否屬于跟蹤目標需要計算候選樣本到訓練樣本集構造的拓撲覆蓋集的距離，這個距離一般采用歐式距離來度量，但是，歐式距離不能對辨識性信息進行編