基于多特征融合的運動目標自適應(yīng)跟蹤方法研究.pdf

1、運動目標跟蹤作為計算機視覺領(lǐng)域里的一個重要的研究課題，已經(jīng)被廣泛地應(yīng)用到智能監(jiān)控、視頻導航、人機交互等領(lǐng)域。大量的研究工作使得運動目標跟蹤方法在準確性和魯棒性上得到了一定的提升，但光照變化、背景干擾、姿勢變化等因素使得復雜場景下的運動目標跟蹤仍是一個很有挑戰(zhàn)性的研究課題。眾所周知，魯棒的外觀模型是設(shè)計高性能跟蹤算法的關(guān)鍵，而多特征融合和模板匹配是外觀建模的重要方法。
　　通過分析和研究當前運動目標跟蹤中的目標表達和跟蹤算法的不足，

2、本文基于目標的運動歷史信息，自適應(yīng)融合多個特征來描述運動目標并自適應(yīng)更新目標外觀模型以捕獲目標的外觀變化，主要工作如下:
　　(1)針對單個視覺特征不能很好描述復雜場景下運動目標的問題，提出了一種基于多特征融合和自適應(yīng)模板匹配的目標跟蹤方法。首先利用帶時間片的運動歷史圖像方法(tMHI)對運動目標進行分割并得到目標的運動歷史信息，然后分別用HSV顏色特征和邊緣特征來描述目標。根據(jù)對應(yīng)特征的候選目標與目標模板的相似度方差自適應(yīng)地調(diào)整

3、每個特征的權(quán)值，再根據(jù)融合策略計算目標模板與所有候選目標的距離，并利用雙模板匹配的策略對目標進行定位。此外，實時更新在線模板并根據(jù)設(shè)定的閾值更新離線模板。最后基于挑戰(zhàn)性的視頻序列，通過與多種經(jīng)典目標跟蹤算法作對比，從定性分析、定量分析和自適應(yīng)融合策略三個方面驗證了本文所提算法的有效性和魯棒性。
　　(2)針對復雜動態(tài)場景下運動目標跟蹤算法魯棒性較差的問題，設(shè)計了一種魯棒的多特征融合目標跟蹤算法。為了避免特征權(quán)值的更新對場景的變化過