基于小軌跡關(guān)聯(lián)的多人跟蹤方法研究.pdf

1、基于視頻的多人跟蹤是通過視頻內(nèi)容分析技術(shù)將視域場景內(nèi)的多個目標在視頻中進行連續(xù)的追蹤，并對每一個目標保持唯一的身份標識。目標跟蹤技術(shù)在智能視頻分析領(lǐng)域中有著諸多的應(yīng)用，例如智能視頻監(jiān)控系統(tǒng)，基于計算機視覺的人機交互等領(lǐng)域都需要研究目標跟蹤技術(shù)。而目標跟蹤技術(shù)作為高層視頻語義分析過程中前端不可或缺的關(guān)鍵技術(shù)，近年來也越來越受到計算機視覺研究者的廣泛關(guān)注。
　　同時跟蹤多個目標的主要挑戰(zhàn)在于由于場景內(nèi)多個目標的運動，會導致目標之間出現(xiàn)

2、頻繁而復雜的互相遮擋問題。這對正確跟蹤目標提出了很大挑戰(zhàn)。近年來，國際上出現(xiàn)了針對解決場景內(nèi)多人跟蹤的新思路——全局關(guān)聯(lián)，有些學者也稱其為基于小軌跡關(guān)聯(lián)的跟蹤技術(shù)。該思路主要包括三個部分:小軌跡構(gòu)建，小軌跡的特征提取，以及小軌跡關(guān)聯(lián)成最終跟蹤結(jié)果。但是目前，基于小軌跡關(guān)聯(lián)的跟蹤方法還不是很成熟，該方法的三個主要部分均需要做深入的研究工作。所以針對目前基于小軌跡關(guān)聯(lián)的多人跟蹤的研究難點，本文的研究內(nèi)容主要包括以下三個方面:
　　1)

3、基于粒子濾波的自適應(yīng)小軌跡構(gòu)建方法:在基于小軌跡關(guān)聯(lián)的目標跟蹤方法中，小軌跡的構(gòu)建是整個跟蹤算法的第一步。傳統(tǒng)的小軌跡構(gòu)建方法是連接相鄰幀的檢測結(jié)果使小軌跡進行可靠而有效的生長，其基本假設(shè)是同一目標在相鄰幀之間的目標表觀特征及目標大小沒有明顯的變化。但是在復雜場景中，由于場景的背景復雜，目標相對于攝像機所處姿態(tài)等問題，導致目前基于分類器的目標檢測很難在每一幀當中都檢測到該目標，從而使小軌跡在構(gòu)建過程中不能得到充分而有效的生長。本文提出了

4、基于粒子濾波的自適應(yīng)小軌跡構(gòu)建方法。在構(gòu)建小軌跡的過程中，我們加入粒子濾波技術(shù)，結(jié)合目標檢測結(jié)果，并根據(jù)粒子濾波所計算出的目標后驗分布，自適應(yīng)的決定小軌跡是否應(yīng)該被終止。這樣在一定程度上可以改善小軌跡的構(gòu)建效果，從而為后續(xù)的目標特征提取，小軌跡關(guān)聯(lián)打下基礎(chǔ)。
　　2)目標表觀特征提取:目標表觀特征提取是目標跟蹤中的一個重要問題，一直貫穿于整個目標跟蹤領(lǐng)域。本文中，我們提出了一種叫做時空表觀模型的目標表觀表示方法。該方法通過自適應(yīng)聚

5、類策略，對每一個小軌跡中的所有目標區(qū)域中的像素在時間和空間上進行聚類，從而形成若干個跨越若干幀的表觀子區(qū)域分類。相對于以前的目標表觀特征僅僅是對單一幀提取目標表觀，沒有考慮到目標表觀在連續(xù)幀中的相關(guān)性而言，該方法所生成的表觀模型不僅提供了目標表觀在空間上的動態(tài)子區(qū)域信息，并且提供了目標表觀的子區(qū)域在時間上的分布信息。
　　3)小軌跡關(guān)聯(lián):為了將小軌跡進行有效的關(guān)聯(lián)，形成最終的跟蹤軌跡，我們提出了基于時空表觀模型的自適應(yīng)表觀模型選擇

6、方法，并結(jié)合目標運動特征的模糊搜索范圍進行小軌跡關(guān)聯(lián)?；跁r空表觀模型的自適應(yīng)表觀模型選擇方法是為了計算任意一對小軌跡之間的最小表觀距離而做的自適應(yīng)選擇。如果最小表觀距離不能達到全局最小，那么這兩個小軌跡就不能被關(guān)聯(lián)為最終的跟蹤軌跡?；谶\動特征的模糊搜索范圍是利用目標運動預測信息輔助小軌跡關(guān)聯(lián)，并通過模糊搜索范圍在一定程度上解決由于目標小幅度非線性運動導致的運動特征計算不準確的問題。
　　綜上所述，本文將對基于小軌跡關(guān)聯(lián)的多人跟