基于灰色系統(tǒng)理論的目標(biāo)跟蹤.pdf

1、目標(biāo)跟蹤技術(shù)自20世紀(jì)以來一直都是相關(guān)領(lǐng)域的研究熱點(diǎn)，它在多個(gè)領(lǐng)域都有非常重要的的應(yīng)用價(jià)值。近年來盡管有了深入研究，但是限于在跟蹤過程中出現(xiàn)的多種干擾因素的影響，將其用于現(xiàn)實(shí)生活更有一定的差距。這就導(dǎo)致了當(dāng)前的目標(biāo)跟蹤技術(shù)還是不能滿足軍民領(lǐng)域的需求。因此，研究這個(gè)課題還是有很重大的意義的。
　　本論文主要?jiǎng)?chuàng)新工作及研究成果如下：
　　首先針對人運(yùn)動(dòng)跟蹤提出了基于歸一化自相關(guān)匹配和灰預(yù)測的人運(yùn)動(dòng)跟蹤方法。該方法主要針對模板相關(guān)

2、匹配算法存在跟蹤實(shí)時(shí)性差和無法處理遮擋現(xiàn)象的缺點(diǎn)，提出了結(jié)合改進(jìn)的GM(1,1)模型、遮擋判別準(zhǔn)則和歸一化自相關(guān)匹配的人運(yùn)動(dòng)跟蹤方法。這種GM(1,1)模型結(jié)合以序列x(1)的第n個(gè)分量作為灰色微分模型的初始條件和基于二次插值的方法構(gòu)造背景值，從而提高了GM(1,1)模型的預(yù)測精度。在不存在遮擋情況下，灰預(yù)測模型預(yù)測減小了模板匹配區(qū)域，增強(qiáng)了算法的實(shí)時(shí)性；在遮擋情況下，該方法以考慮了預(yù)測誤差的預(yù)測值代替真實(shí)值，提高了人運(yùn)動(dòng)跟蹤的準(zhǔn)確性，

3、增強(qiáng)了算法的魯棒性。
　　其次針對人臉的快速實(shí)時(shí)跟蹤，提出了一種融合Camshift算法和灰指數(shù)律數(shù)據(jù)序列建模的新方法。該方法首先在離線計(jì)算膚色概率分布特征的基礎(chǔ)上，結(jié)合灰模型EMG預(yù)測的方法來解決Camshift算法跟蹤過程中大面積膚色干擾、手臂遮擋人臉以及頭部旋轉(zhuǎn)時(shí)人臉自身遮擋問題。利用EGM模型的預(yù)測信息縮小了Camshift算法搜索區(qū)間，同時(shí)對EGM模型的歷史數(shù)據(jù)及時(shí)進(jìn)行新陳代謝，有效解決預(yù)測數(shù)據(jù)與實(shí)測數(shù)據(jù)相比的誤差累積效

4、應(yīng)。實(shí)驗(yàn)表明該方法減少了Camshift算法迭代次數(shù)，能對目標(biāo)很快的進(jìn)行跟蹤，在有干擾的情況下也能很好的跟蹤目標(biāo)，算法相對比較穩(wěn)定。
　　然后針對解決跟蹤過程中背景對模板的影響以及降低匹配計(jì)算量的問題，提出了一種基于動(dòng)態(tài)模板和運(yùn)動(dòng)預(yù)測的目標(biāo)跟蹤新算法。該方法采用SSDA時(shí)，僅采用模板中的目標(biāo)像素參與匹配，降低了背景干擾的風(fēng)險(xiǎn)；并不斷地修正模板，保證了模板數(shù)據(jù)的正確性。應(yīng)用實(shí)際曲線在區(qū)間上的面積作為背景值,以及利用模擬序列和一次累加