復(fù)雜環(huán)境下的視頻目標跟蹤算法研究.pdf

1、視頻目標跟蹤是計算機視覺領(lǐng)域的一個核心問題,在軍事制導(dǎo)、視頻監(jiān)控、機器人視覺導(dǎo)航、人機交互、以及醫(yī)療診斷等許多方面有著廣泛的應(yīng)用前景.視頻目標跟蹤的研究目的是模擬人類視覺運動感知功能,賦予機器辨識序列圖像中運動目標的能力,為視頻分析和理解提供重要的數(shù)據(jù)依據(jù).視頻目標的跟蹤往往由于復(fù)雜的背景圖像和目標本身的運動變得非常困難.盡管人們對視頻目標跟蹤進行了較廣泛的研究,并提出了許多有效的跟蹤方法,但是針對復(fù)雜環(huán)境下的視頻目標,開發(fā)出一套魯棒的

2、跟蹤算法仍存在較多困難.本文針對復(fù)雜環(huán)境下的視頻單目標和多目標跟蹤問題進行了重點研究.對單視頻目標跟蹤時,重點研究了目標觀測模型的設(shè)計；對多視頻目標跟蹤時,重點研究了目標在場景中出現(xiàn)和消失、目標縣有相似外表、目標之間交叉運動和相互遮擋等問題. 本文的主要研究成果如下: 1.針對復(fù)雜環(huán)境下的視頻目標,提出了一種多特征自適應(yīng)融合的視頻單目標跟蹤算法.在該算法中,目標的觀測由多種特征的融合信息描述.在對每個特征信息進行融合時,

3、采用了基于模糊邏輯的融合策略,模糊邏輯根據(jù)當前的跟蹤環(huán)境自適應(yīng)調(diào)節(jié)各特征信息的權(quán)重,從而實現(xiàn)各特征信息間的自適應(yīng)融合,增加了描述目標觀測的可靠性,提高了目標觀測模型的魯棒性:在跟蹤目標時,采用了概率粒子濾波算法,將多特征信息自適應(yīng)融合的觀測模型結(jié)合到概率粒子濾波算法中,實現(xiàn)了較復(fù)雜環(huán)境下的視頻目標跟蹤.2.提出了一種基于自適應(yīng)表面模型的視頻單目標跟蹤算法.該表面模型在跟蹤期間能適應(yīng)目標表面的緩慢或快速變化.在該模型中,每個像素的灰度值隨

4、時間的變化過程由一混合高斯分布描述.為了適應(yīng)跟蹤期間目標表面的變化,這些高斯參數(shù)通過EM算法在線更新:在對目標進行跟蹤時,設(shè)計了基于自適應(yīng)表面模型的目標觀測模型,并將該觀測模型結(jié)合到概率粒子濾波算法中去；針對目標發(fā)生部分和完全遮擋問題,我們通過采用一種魯棒估計技術(shù)來降低被遮擋部分的像素對目標觀測似然的影響以及對表面模型更新的影響.以上這些措施大大增加了復(fù)雜環(huán)境下視頻目標跟蹤的魯棒性. 3.針對目標在觀測場景中出現(xiàn)和消失問題,開發(fā)

5、了一種基于蒙特卡羅方法的概率多目標跟蹤算法.該算法在蒙特卡羅方法框架下在目標狀態(tài)變量中引入了一輔助變量,通過對該輔助變量的后驗概率的估計來判斷目標在場景中的出現(xiàn)和消失情況.該算法不僅能有效處理跟蹤期間目標數(shù)的變化情況,同時還可以獲得每個目標的運動狀態(tài),克服了當前多目標跟蹤算法只能處理目標數(shù)不變時的情況,或能處理目標數(shù)變化,但只能估計多個目標的全局運動狀態(tài),而無法得知單個目標的運動狀態(tài)的問題.該算法為目標數(shù)可變情況下的多目標跟蹤提供了一種

6、較有效的方法.4.針對復(fù)雜運動背景環(huán)境下的視頻多目標跟蹤問題,我們將目前最有效的目標檢測算法(AdaBoost檢測算法)與基于蒙特卡羅方法的概率多目標跟蹤算法結(jié)合起來.利用AdaBoost算法得到的目標檢測結(jié)果和目標的顏色信息來共同構(gòu)建目標的觀測模型,并將該觀測模型結(jié)合到基于蒙特卡羅方法的概率多目標跟蹤算法中去,實現(xiàn)了視頻場景中多個目標的跟蹤.該算法對目標在場景中的頻繁出現(xiàn)和消失、目標具有相似外表、目標之間的交叉運動、以及目標之間短暫的