復(fù)雜環(huán)境下的目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向之一，同時(shí)也是多學(xué)科交叉的研究課題。隨著圖像處理、模式識(shí)別和概率與統(tǒng)計(jì)等學(xué)科理論和計(jì)算機(jī)硬件等技術(shù)的快速發(fā)展，攝像設(shè)備在眾多領(lǐng)域得到廣泛的應(yīng)用，視頻分析在生產(chǎn)和現(xiàn)實(shí)生活領(lǐng)域的應(yīng)用變得越來(lái)越重要。目標(biāo)跟蹤是視頻分析的重要研究?jī)?nèi)容，也是后續(xù)視頻分析的關(guān)鍵。盡管近幾年來(lái)目標(biāo)跟蹤技術(shù)取得了顯著的進(jìn)步，在某些簡(jiǎn)單實(shí)時(shí)場(chǎng)景中提出了眾多的魯棒跟蹤算法，但是在一些復(fù)雜環(huán)境下的視頻跟蹤問(wèn)題并沒(méi)有完全解決，例如在復(fù)雜環(huán)

2、境下的光照突變、嚴(yán)重雜波干擾、嚴(yán)重遮擋、運(yùn)動(dòng)不連續(xù)和視圖不斷變化等，為了解決上述復(fù)雜環(huán)境導(dǎo)致的跟蹤不理想問(wèn)題，本文提出了三種不同類型的目標(biāo)跟蹤方法。對(duì)于復(fù)雜環(huán)境下的目標(biāo)跟蹤，既可以在粒子濾波的框架下，構(gòu)建鑒別性強(qiáng)的似然函數(shù)跟蹤；也可以在核跟蹤的框架下，結(jié)合有效的視覺(jué)特征進(jìn)行跟蹤；還可通過(guò)分類跟蹤技術(shù)，把跟蹤變成分類，將目標(biāo)從背景中分離出來(lái)。
　　 論文的主要研究工作和創(chuàng)新性集中在以下幾個(gè)方面：
　　 ①在基于粒子濾波的理

3、論框架下，相似性度量對(duì)于粒子濾波跟蹤效果具有決定性作用，研究魯棒的相似性度量是粒子濾波的關(guān)鍵技術(shù)。常用相似度包括Bhattacharyya、直方圖相交、卡方和BRD(Bin Ratio Dissimilarity)，通過(guò)分析他們的不足，提出了基于兩種改進(jìn)的相似度方法BBRS(Blocks Bin Ratio Similarity)和SBRS(Spaial Bin Ratio Simiarity)，并用于粒子濾波跟蹤算法，這兩種相似性度量

4、都同時(shí)考慮了直方圖量化區(qū)間的比率關(guān)系和目標(biāo)的空間關(guān)系，復(fù)雜場(chǎng)景下的目標(biāo)跟蹤實(shí)驗(yàn)結(jié)果證明了基于改進(jìn)相似度的跟蹤算法的有效性和魯棒性。在跟蹤過(guò)程中由于目標(biāo)或背景的不斷變化，利用固定目標(biāo)模型容易產(chǎn)生跟蹤漂移，針對(duì)這一問(wèn)題，研究了基于稀疏主元分析的自適應(yīng)目標(biāo)模型的跟蹤算法魯棒地跟蹤變化目標(biāo)；在復(fù)雜環(huán)境中由于單一特征的跟蹤效果欠佳，為了改善跟蹤效果，研究了多特征自適應(yīng)融合粒子跟蹤算法來(lái)提高跟蹤的精度。
　　 ②針對(duì)跟蹤過(guò)程中視圖不斷變化問(wèn)

5、題，提出了一種基于塊的自適應(yīng)魯棒均值移動(dòng)跟蹤算法。塊的系數(shù)通過(guò)MSBRS(Multiple Scale Bin Ratio similarity)計(jì)算。該算法從視覺(jué)特征集中選取描述能力強(qiáng)的兩種特征，同時(shí)將其按照與目標(biāo)模型的多尺度相似度線性融合；由于固定目標(biāo)模型容易產(chǎn)生跟蹤漂移，為了減少漂移，通過(guò)計(jì)算當(dāng)前目標(biāo)模型與初始目標(biāo)模型的多尺度相似度自適應(yīng)更新目標(biāo)模型。復(fù)雜場(chǎng)景下的目標(biāo)跟蹤實(shí)驗(yàn)結(jié)果驗(yàn)證該融合跟蹤算法魯棒地跟蹤視圖變化中的目標(biāo)。

6、>　　 ⑧基于自我訓(xùn)練的分類方法已成功應(yīng)用于視頻跟蹤中，但該類算法因誤差累積易于產(chǎn)生跟蹤漂移。為了減小由于誤差引起的漂移，提出了基于半監(jiān)督支持向量機(jī)的自適應(yīng)的跟蹤算法。該算法利用在線半監(jiān)督分類方法對(duì)未知目標(biāo)進(jìn)行分類，并通過(guò)分類的目標(biāo)自我更新；分類特征采用兩種相對(duì)獨(dú)立的特征線性融合，融合糸數(shù)米用MSSBRS(Multiple Scale Spatio Bin Ratio Similarity)。該相似度有效地融合了BBRS和SBRS的優(yōu)