基于條件隨機場的目標跟蹤的研究.pdf

1、復雜背景下運動目標檢測與跟蹤作為計算機視覺領域的關鍵技術，成為眾多國內外學者的研究熱點之一?，F實中大量的應用，比如機器人導航，車載視頻跟蹤等，都與復雜背景下的運動目標檢測與跟蹤密不可分。本文對傳統(tǒng)的條件隨機場模型和目標匹配算法進行了改進并結合特征光流法對復雜場景下的運動目標進行檢測和跟蹤。論文的具體研究內容如下:
　　 第一部分，介紹了廣泛應用的幾種統(tǒng)計模型，如隱馬爾可夫模型、最大熵模型、最大熵馬爾可夫模型和條件隨機場模型，著重

2、闡述條件隨機場(CRF)的基本概念和原理。
　　 第二部分，分析了傳統(tǒng)條件隨機場模型的不足，并對其時域強度β進行改進。由于傳統(tǒng)CRF模型中時域強度β是根據多次實驗而設定的固定值，該傳統(tǒng)算法將會引起的較大誤差，因此本文提出了一種基于粒子濾波估計的改進的CRF模型來提高模型精度。通過進行一次粒子濾波估計，以各標記變量新的估計位置與CRF模型中心點的距離來衡量它們對中心點的約束能力，并且對他們進行歸一化處理，將歸一化后的數值作為每個標

3、記變量在時域范圍內對CRF模型中心點的約束度。實驗仿真結果表明改進后的CRF模型的有較高的仿真精度。
　　 第三部分，研究了目前常用的目標跟蹤匹配算法，針對傳統(tǒng)匹配算法在處理目標和背景顏色相近的情況的不足，本文提出了一種基于改進CRF模型的目標匹配算法。首先采用粒子濾波對匹配宏塊進行一步估計來確定搜索中心，并結合粒子濾波所得方差來確定較小的搜索范圍。其次，提出了改進的相似性匹配函數，它包含了顏色、時空兩個層次上的度量信息，并通過