智能視頻監(jiān)控中目標(biāo)跟蹤算法研究及應(yīng)用.pdf

1、運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域中最熱門的課題之一，在戰(zhàn)場(chǎng)偵察、智能視頻監(jiān)控、交通控制、人機(jī)交互等領(lǐng)域具有廣泛的應(yīng)用前景，引起了國(guó)內(nèi)外學(xué)者和工業(yè)界的重視，蘊(yùn)含著廣泛的應(yīng)用價(jià)值和較高的理論意義。
　　 當(dāng)前學(xué)術(shù)界和工業(yè)界在目標(biāo)跟蹤方面開(kāi)展了大量工作，取得了一些成果，然而運(yùn)動(dòng)目標(biāo)跟蹤仍然是模式識(shí)別領(lǐng)域的一個(gè)難點(diǎn)問(wèn)題，目標(biāo)物體角度、姿態(tài)、遠(yuǎn)近距離變化、快速運(yùn)動(dòng)、以及遮擋等給魯棒在線跟蹤算法提出了苛刻的要求，單一算法很難有效處理所有問(wèn)題，多

2、方法集成是實(shí)現(xiàn)魯棒在線跟蹤的一種有效手段。針對(duì)這些問(wèn)題，本文完成了如下工作：
　　 1.重點(diǎn)研究了幾種目標(biāo)跟蹤算法：Mean Shift跟蹤算法、基于在線boosting的跟蹤算法、基于粒子群優(yōu)化的跟蹤算法和基于模板匹配的跟蹤算法。對(duì)這幾種算法做了相關(guān)實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)結(jié)果，分析了各種算法的優(yōu)點(diǎn)和缺點(diǎn)。為本文算法的提出提供了相關(guān)的理論基礎(chǔ)。
　　 2.提出了一個(gè)集成on-line Boosting、基于歸一化互相關(guān)的模板匹配

3、法和粒子群優(yōu)化算法的自適應(yīng)目標(biāo)跟蹤算法框架。其中，on-line Boosting是基本的跟蹤算法；基于歸一化互相關(guān)的模板匹配有效地避免了on-line Boosting過(guò)多的錯(cuò)誤更新；而基于粒子群優(yōu)化算法的跟蹤策略提高了系統(tǒng)對(duì)快速運(yùn)動(dòng)、外觀變化的適應(yīng)能力，同時(shí)也為模板的更新提供了保障，三種算法形成了有效互補(bǔ)，在穩(wěn)定性和可塑性之間達(dá)到了一種平衡。在不同視頻測(cè)試序列上的實(shí)驗(yàn)結(jié)果表明，本文算法有效地緩解了自適應(yīng)性和“漂移”之間的矛盾，能夠?qū)?/p>