基于視覺的車輛跟蹤算法研究.pdf

1、基于視覺的目標跟蹤一直以來都是計算機視覺領域一個重要而富有挑戰(zhàn)性的研究熱點，視覺目標跟蹤算法引起人們越來越多的關注，并且在軍事和民用的許多領域（如：智能交通、智能視頻監(jiān)控、機器人）等都具有極為廣泛的應用前景。盡管視覺跟蹤的研究超過30年，并且涌出大量的相關算法，但要想設計一個具有普適性的實時的、魯棒的、精準穩(wěn)定的視覺目標跟蹤系統(tǒng)來滿足實際需求，仍然面臨著很大的挑戰(zhàn)。
　　在復雜場景中，尤其是目標和背景的分辨度很低的情況下，外觀模型

2、在辨識目標與背景中起到十分重要的作用。跟蹤過程中，把握目標外觀變化很重要，包括本身變化（例如目標姿勢改變和形狀改變）和外在變化（例如光線和遮擋問題）。目標跟蹤要適應這些變化，外觀模型應有兩個重要特性：自適應性，即外觀模型能夠適應本身變化，不斷地進行更新；魯棒性，即外觀模型能夠適應外在變化。目標搜索在很多跟蹤算法中的時間復雜度很高，而后續(xù)高級應用（行為識別和檢索）對實時性要求又很苛刻，因此如何降低目標搜索的耗時也是一個非常重要的問題。另外

3、，目標搜索過程與實時外觀模型息息相關，在搜索過程中掌握外觀變化也十分重要。本文對以上兩個問題進行了深入的研究，具體包括：
　　1、針對多目標跟蹤中全局目標搜索方法造成的耗時過多，效率不高的的問題。本文提出了一種基于運動估計和結(jié)構(gòu)約束相結(jié)合的搜索方法。該方法在計算多個目標搜索范圍時，首先計算其中一個目標的運動矢量,結(jié)合上一幀該目標的位置，對當前幀該目標運動方向和尺度進行預測；再根據(jù)多目標之間的結(jié)構(gòu)約束關系，計算其他跟蹤目標精確的搜索

4、方向和范圍。實驗結(jié)果表明，該方法在不影響跟蹤準確率的情況下，大大縮小的搜索范圍，提高了搜索效率，從而簡化了多目標跟蹤算法的時間復雜度。
　　2、基于核的結(jié)構(gòu)輸出跟蹤算法，該算法能夠很容易地將多種圖像特征信息和核函數(shù)結(jié)合在一起進行跟蹤，算法適用的目標范圍擴大而且對噪聲具有較高的魯棒性，但是不能解決跟蹤目標在跟蹤過程中尺度變化的問題，若目標尺度變化較大，會造成目標跟蹤失敗。本文在該算法的基礎上引入對數(shù)極坐標變換的理論，該理論存在兩個重