基于時空信息的視頻目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是計算機視覺中一個重要的研究領(lǐng)域，在智能視頻監(jiān)控以及人機交互等應(yīng)用領(lǐng)域中也發(fā)揮著巨大作用。但是，受到一些內(nèi)在因素（如目標(biāo)姿勢改變、形狀改變、尺度變化）和外在因素（如光照變化、障礙物遮擋）的影響，使得設(shè)計一個魯棒性能強、處理速度快的目標(biāo)跟蹤器仍然是一個值得研究的熱點問題。本文主要研究基于時空信息的視頻目標(biāo)跟蹤算法，提高目標(biāo)跟蹤器的魯棒性。
　　本文針對三方面開展研究工作：基于靜止單攝像機的單目標(biāo)跟蹤算法、基于靜止單攝像機的多

2、目標(biāo)跟蹤算法以及由單目標(biāo)跟蹤實現(xiàn)多目標(biāo)跟蹤的框架：
　　（1）針對視頻中出現(xiàn)的運動目標(biāo)遮擋等問題，提出了一種基于部件時空信息的目標(biāo)跟蹤算法。該算法將目標(biāo)跟蹤過程分為平移估計和尺度估計。平移估計時，將目標(biāo)及其部件作為跟蹤對象。自適應(yīng)選擇能夠很好表示跟蹤對象的特征，對跟蹤對象及其周圍區(qū)域特征的統(tǒng)計相關(guān)性進行建模，通過學(xué)習(xí)得到時空信息，然后利用時空信息跟蹤目標(biāo)及其部件。最后，通過對目標(biāo)的方向、速度、顏色信息進行滑動窗口式建模，評判目標(biāo)及

3、其部件跟蹤器的性能，選擇最可靠的跟蹤對象，根據(jù)它的位置和目標(biāo)結(jié)構(gòu)模型得到最終的目標(biāo)中心位置。尺度估計時，在目標(biāo)中心位置處構(gòu)建一個多尺度目標(biāo)金字塔，進而估計目標(biāo)最佳尺度。本文主要貢獻是提出一種方法評判跟蹤器性能和一種自適應(yīng)特征選擇的方法以提高目標(biāo)跟蹤的魯棒性。實驗結(jié)果表明，提出的目標(biāo)跟蹤算法能夠快速準(zhǔn)確跟蹤目標(biāo)，較有效解決遮擋等問題。
　　（2）以基于檢測的跟蹤為基礎(chǔ)，提出了一種基于時空信息和軌跡置信的多目標(biāo)跟蹤算法，較有效克服漏檢

4、等問題。該算法將多目標(biāo)跟蹤過程分為局部關(guān)聯(lián)和全局關(guān)聯(lián)兩部分。局部關(guān)聯(lián)軌跡時，置信度較高的軌跡與當(dāng)前幀的檢測結(jié)果進行匹配；全局關(guān)聯(lián)軌跡時，置信度較低的軌跡分別與置信度高的軌跡和當(dāng)前幀中未被匹配過的檢測結(jié)果進行匹配。匹配分數(shù)由聯(lián)姻模型決定，本文將時空信息加入到聯(lián)姻模型中，時空信息的相關(guān)性使得聯(lián)姻模型更具魯棒性，同時解決漏檢等問題。另外，提出采用置信圖平滑約束以及峰值旁瓣比準(zhǔn)則衡量空間信息的可靠性。提出的多目標(biāo)跟蹤算法在具有挑戰(zhàn)性的公共數(shù)據(jù)集

5、上進行實驗，實驗結(jié)果顯示本文算法優(yōu)于很多目前較流行的算法，較有效處理漏檢等問題，提高了目標(biāo)跟蹤器的魯棒性。
　?。?）多目標(biāo)跟蹤算法的目的就是對視頻中的圖像序列進行分析，計算出所有目標(biāo)在每幀圖像中的位置，本文提出一種由單目標(biāo)跟蹤實現(xiàn)多目標(biāo)跟蹤的框架，將本文的基于部件時空信息的單目標(biāo)跟蹤算法擴展成多目標(biāo)跟蹤，主要難點在于：一是判斷目標(biāo)是否是新的目標(biāo)進入觀測窗口；二是判斷目標(biāo)何時離開觀測窗口；三是由于僅通過單目標(biāo)跟蹤可能無法得到完全正