視頻運(yùn)動(dòng)跟蹤及其在增強(qiáng)現(xiàn)實(shí)中的應(yīng)用研究.pdf

1、視頻運(yùn)動(dòng)跟蹤能夠自動(dòng)地檢測到目標(biāo)物體并對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行準(zhǔn)確跟蹤，其應(yīng)用領(lǐng)域越來越廣泛，比如交通監(jiān)控、影視動(dòng)畫、軍事定位等。而基于視頻的增強(qiáng)現(xiàn)實(shí)AR技術(shù)通常需將虛擬物體注冊到實(shí)時(shí)跟蹤的目標(biāo)對(duì)象上。但是增強(qiáng)現(xiàn)實(shí)的應(yīng)用還沒有普及且其設(shè)備成本較高。因此，研究運(yùn)動(dòng)跟蹤技術(shù)及其在增強(qiáng)現(xiàn)實(shí)中的應(yīng)用已成為一項(xiàng)重要的研究課題。
　　本文首先對(duì)現(xiàn)有的目標(biāo)跟蹤技術(shù)進(jìn)行了研究和分析，并詳細(xì)介紹了均值漂移算法的原理及步驟。對(duì)于均值漂移算法無法自動(dòng)識(shí)別跟蹤對(duì)象

2、及目標(biāo)尺度變化造成跟蹤準(zhǔn)確度降低問題，提出了兩種改進(jìn)的方法，主要研究工作如下:
　　1.針對(duì)均值漂移算法對(duì)視頻流首幀無法自動(dòng)檢測目標(biāo)對(duì)象的問題，提出一種基于優(yōu)化加權(quán)參數(shù)的AdaBoost目標(biāo)檢測算法。該算法首先通過改變?nèi)醴诸惼骷訖?quán)參數(shù)求解公式的方法，保證了低誤警率和低誤檢率，其次應(yīng)用特征值曲線自適應(yīng)得到雙閾值，構(gòu)造雙閾值弱分類器并集成為一強(qiáng)分類器。最后，采用強(qiáng)分類器對(duì)視頻幀中目標(biāo)對(duì)象進(jìn)行檢測。實(shí)驗(yàn)結(jié)果表明，該方法不僅有效地提高了檢

3、測精度，而且訓(xùn)練及檢測時(shí)間也有明顯改進(jìn)。
　　2.針對(duì)目標(biāo)對(duì)象尺度變化、目標(biāo)與背景顏色信息相似造成均值漂移算法跟蹤準(zhǔn)確度下降問題，改進(jìn)了一種基于SIFT特征的Mean-Shift目標(biāo)跟蹤算法。對(duì)于SIFT提取特征所耗時(shí)間較大的問題，采用將SURF特征加權(quán)到目標(biāo)模型的概率密度估計(jì)中。然后，算法運(yùn)用EM算法來迭代求解Mean-Shift向量，實(shí)現(xiàn)目標(biāo)的跟蹤。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法有效地解決了目標(biāo)尺度變化、顏色空間相似性、光照及旋轉(zhuǎn)的問