視覺跟蹤技術(shù)的研究與應(yīng)用.pdf

1、基于圖像序列的目標(biāo)跟蹤作為計算機視覺領(lǐng)域的一個核心問題，得到了廣泛而深入的研究。視覺跟蹤研究的主要目的是模仿生理視覺系統(tǒng)的運動感知功能，賦予機器辨識圖像序列中物體運動及其相互關(guān)系的能力，為圖像序列理解提供重要途徑。視覺跟蹤技術(shù)具有廣闊的應(yīng)用前景，如視頻監(jiān)控、視頻分析、視頻檢索、基于視頻的運動分析和合成、基于運動信息的身份識別等。作為一個有著廣泛應(yīng)用背景的研究領(lǐng)域，基于圖像序列的目標(biāo)跟蹤吸引了大批研究學(xué)者參與，許多國外研究機構(gòu)也將其列為重

2、要研究方向，并已取得了很多成果。但是一般意義上的跟蹤技術(shù)還遠(yuǎn)未成熟，要開發(fā)出真正魯棒、實用的跟蹤應(yīng)用系統(tǒng)還需要解決大量的問題。
　　 粒子濾波通過非參數(shù)化的蒙特卡羅模擬方法來實現(xiàn)遞推貝葉斯濾波，適用于任何能用狀態(tài)空間模型表示的非線性系統(tǒng)，以及傳統(tǒng)卡爾曼濾波無法表示的非線性系統(tǒng)，精度可以逼進(jìn)最優(yōu)估計。粒子濾波方法的使用非常靈活，容易實現(xiàn)，具有并行結(jié)構(gòu)，實用性強。
　　 本論文在序列蒙特卡洛濾波算法的框架下，以提高跟蹤精度和

3、算法魯棒性為目標(biāo)，針對其中涉及的關(guān)鍵問題進(jìn)行了探討，研究了開發(fā)魯棒實用的視覺跟蹤系統(tǒng)所需要的核心技術(shù)和在鍵問題解決方案。現(xiàn)對論文的主要工作概述如下:
　　 (1)為了提高粒子傳播過程中狀態(tài)空間的質(zhì)量和視頻跟蹤算法的精度，文中提出了基于MCD和局部線性高斯模型的粒子濾波算法，MCD方法摒棄傳統(tǒng)的像素匹配貢獻(xiàn)均等方式，采用像素點間的鄰近度作為相似性度量，該方法所獲得的相關(guān)曲面更尖銳，匹配置信度更高；局部線性高斯模型使得在粒子傳播過程

4、中能使用最佳重要函數(shù)，兩者結(jié)合能夠?qū)崿F(xiàn)最佳粒子濾波。由于MCD方法的魯棒性，從而使得跟蹤算法對環(huán)境的適應(yīng)能力和穩(wěn)定性得到提高。在此基礎(chǔ)上，并通過兩個仿真實驗，說明算法的可行性與優(yōu)越性。
　　 (2)以粒子濾波為跟蹤框架，提出一種新穎的模板匹配的統(tǒng)計特征相似性指標(biāo)，引進(jìn)加權(quán)因子有效抑制目標(biāo)邊界噪聲干擾和匹配區(qū)域背景成分的影響，同時突出目標(biāo)特征的權(quán)重。由于完全不同模板圖像統(tǒng)計特征也會存在交集，導(dǎo)致相似性偏差，所以融合基于HSV顏色空

5、間的相似度能夠修正偏差，改善匹配函數(shù)峰值特性，使得搜索目標(biāo)得到全局最優(yōu)解，最終實現(xiàn)魯棒跟蹤。實驗結(jié)果表明，模板匹配具有良好的峰值特性，算法在跟蹤目標(biāo)存在變形、噪聲、遮擋時也可以達(dá)到比較理想的跟蹤效果。
　　 (3)圖像匹配相似度指標(biāo)是視覺跟蹤領(lǐng)域中的決定因素。由于模板匹配中像素點r、g、b顏色值計算存在多對一缺陷，加之背景特征的影響，視覺跟蹤中模板匹配往往得不到全局最優(yōu)解。本文提出模糊隸屬度概念和新的相似度指標(biāo)公式，修正顏色值計