目標(biāo)跟蹤算法研究.pdf

1、本文對(duì)目標(biāo)跟蹤算法展開了全面而又不失深入的探討和研究。第一章闡述了目標(biāo)跟蹤算法的研究背景,以及研究意義,并在民用和軍事等層次上探討了目標(biāo)跟蹤技術(shù)的應(yīng)用前景,展示了它豐富的、具有吸引力的應(yīng)用價(jià)值;第一章也討論了目標(biāo)跟蹤技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀,將已有的各種跟蹤算法按照其內(nèi)在跟蹤思想分成了自頂向下和自低向上的兩個(gè)類別,進(jìn)行了深入淺出的分析;第一章最后提取出跟蹤問題中普遍存在的兩個(gè)難題:1)如何準(zhǔn)確、及時(shí)地學(xué)習(xí)到目標(biāo)的形態(tài)變化;2)如何有效地描述

2、目標(biāo),引出了本文圍繞這些難題所展開研究的出發(fā)點(diǎn):引入新工具、像認(rèn)識(shí)目標(biāo)一樣認(rèn)識(shí)背景和先驗(yàn)知識(shí)的嵌入。第二章圍繞著基于局部特征點(diǎn)的目標(biāo)跟蹤算法展開研究。對(duì)局部特征點(diǎn)的簡(jiǎn)要描述展示了這種新工具所提供的很多出色性能,如豐富性、獨(dú)特性、穩(wěn)定性(可再現(xiàn)性)等等;然后對(duì)此章中心-SURF跟蹤的概述勾勒出了該算法的大致輪廓;同時(shí),第二章也討論了相關(guān)的跟蹤算法,比較了它們與SURF跟蹤算法的區(qū)別。接下來,第二章詳細(xì)地描述了SURF跟蹤的算法細(xì)節(jié),討論了

3、算法核心的特征運(yùn)動(dòng)生成模型以及在線EM算法對(duì)模型參數(shù)的學(xué)習(xí)更新,并對(duì)遮擋問題進(jìn)行了討論。此章實(shí)驗(yàn)部分用充足的試驗(yàn)結(jié)果展示了SURF跟蹤算法的優(yōu)異性能,以及在處理各種挑戰(zhàn)性場(chǎng)景時(shí)的健壯表現(xiàn);同時(shí),此章實(shí)驗(yàn)部分還將SURF跟蹤與集成跟蹤進(jìn)行了比較,驗(yàn)證了算法的優(yōu)越性;此章實(shí)驗(yàn)部分也同樣驗(yàn)證了算法對(duì)遮擋問題處理機(jī)制的正確性。第三章圍繞基于水平集的跟蹤算法展開研究。對(duì)水平集理論的介紹,以及對(duì)其數(shù)值計(jì)算方法的討論展示出此方法在描述輪廓結(jié)構(gòu)上的強(qiáng)大

4、能力;隨后,第三章討論了現(xiàn)有的基于水平集方法的跟蹤算法,討論了它們的跟蹤思想以及算法性能;接著,提出了此章中心-嵌入水平集的集成跟蹤算法,并對(duì)算法的細(xì)節(jié)展開深刻地討論。此章實(shí)驗(yàn)部分非常詳細(xì)地展示了算法的細(xì)節(jié),并突出顯示了水平集函數(shù)在跟蹤過程中對(duì)目標(biāo)輪廓的精確描述。此章實(shí)驗(yàn)部分也同樣比較了經(jīng)典的集成跟蹤和嵌入水平集的跟蹤算法,利用經(jīng)典集成跟蹤的失敗反襯出水平集這一工具為算法的精確性、魯棒性帶來的正面影響。最后一章對(duì)全文做出總結(jié),并對(duì)目標(biāo)跟

5、蹤技術(shù)未來的發(fā)展做出展望?？偠灾?本文的主要研究成果和創(chuàng)新可以概括為以下三點(diǎn):1.對(duì)現(xiàn)有的目標(biāo)跟蹤算法進(jìn)行了分類,按照其內(nèi)在思想將現(xiàn)有跟蹤算法分為自頂向下和自低向上兩類;并在此分類指導(dǎo)下,對(duì)很多經(jīng)典的跟蹤算法進(jìn)行了討論和分析,比較了它們的共同點(diǎn)和差異之處,分析了它們?cè)谔幚韺?shí)際場(chǎng)景時(shí)失效的狀況和原因。2.創(chuàng)新地提出了SURF跟蹤算法;SURF跟蹤的內(nèi)在思想是:觀測(cè)得到目標(biāo)局部特征點(diǎn)的運(yùn)動(dòng)信息,并以此推測(cè)出目標(biāo)整體的運(yùn)動(dòng)參數(shù);在SURF跟

6、蹤的算法框架中,目標(biāo)局部特征點(diǎn)運(yùn)動(dòng)與目標(biāo)整體運(yùn)動(dòng)之間的關(guān)聯(lián)通過生成模型很好地得到刻畫,并且在線EM算法實(shí)時(shí)地學(xué)習(xí)模型參數(shù),保證了生成模型所刻畫出來的這種局部與整體之間關(guān)聯(lián)的正確性。同時(shí),算法框架還為主動(dòng)遮擋檢測(cè)提供了可能,并在實(shí)驗(yàn)中得到了驗(yàn)證。3.對(duì)經(jīng)典的集成跟蹤進(jìn)行改進(jìn),提出了嵌入水平集的集成跟蹤算法;水平集函數(shù)作為一種高維的輪廓表示方式,在描繪輪廓的演化過程上有著強(qiáng)大的能力;嵌入水平集的的集成跟蹤算法將水平集輪廓演化和集成跟蹤無縫地