復(fù)雜環(huán)境下的視頻目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)核心問(wèn)題,在軍事制導(dǎo)、視頻監(jiān)控、機(jī)器人視覺(jué)導(dǎo)航、人機(jī)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(biāo)跟蹤的研究目的是模擬人類視覺(jué)運(yùn)動(dòng)感知功能,賦予機(jī)器辨識(shí)序列圖像中運(yùn)動(dòng)目標(biāo)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(biāo)的跟蹤往往由于復(fù)雜的背景圖像和目標(biāo)本身的運(yùn)動(dòng)變得非常困難.盡管人們對(duì)視頻目標(biāo)跟蹤進(jìn)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(duì)復(fù)雜環(huán)境下的視頻目標(biāo),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(duì)復(fù)雜環(huán)境下的視頻單目標(biāo)和多目標(biāo)跟蹤問(wèn)題進(jìn)行了重點(diǎn)研究.對(duì)單視頻目標(biāo)跟蹤時(shí),重點(diǎn)研究了目標(biāo)觀測(cè)模型的設(shè)計(jì)；對(duì)多視頻目標(biāo)跟蹤時(shí),重點(diǎn)研究了目標(biāo)在場(chǎng)景中出現(xiàn)和消失、目標(biāo)縣有相似外表、目標(biāo)之間交叉運(yùn)動(dòng)和相互遮擋等問(wèn)題. 本文的主要研究成果如下: 1.針對(duì)復(fù)雜環(huán)境下的視頻目標(biāo),提出了一種多特征自適應(yīng)融合的視頻單目標(biāo)跟蹤算法.在該算法中,目標(biāo)的觀測(cè)由多種特征的融合信息描述.在對(duì)每個(gè)特征信息進(jìn)行融合時(shí),

3、采用了基于模糊邏輯的融合策略,模糊邏輯根據(jù)當(dāng)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(shí)現(xiàn)各特征信息間的自適應(yīng)融合,增加了描述目標(biāo)觀測(cè)的可靠性,提高了目標(biāo)觀測(cè)模型的魯棒性:在跟蹤目標(biāo)時(shí),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(cè)模型結(jié)合到概率粒子濾波算法中,實(shí)現(xiàn)了較復(fù)雜環(huán)境下的視頻目標(biāo)跟蹤.2.提出了一種基于自適應(yīng)表面模型的視頻單目標(biāo)跟蹤算法.該表面模型在跟蹤期間能適應(yīng)目標(biāo)表面的緩慢或快速變化.在該模型中,每個(gè)像素的灰度值隨

4、時(shí)間的變化過(guò)程由一混合高斯分布描述.為了適應(yīng)跟蹤期間目標(biāo)表面的變化,這些高斯參數(shù)通過(guò)EM算法在線更新:在對(duì)目標(biāo)進(jìn)行跟蹤時(shí),設(shè)計(jì)了基于自適應(yīng)表面模型的目標(biāo)觀測(cè)模型,并將該觀測(cè)模型結(jié)合到概率粒子濾波算法中去；針對(duì)目標(biāo)發(fā)生部分和完全遮擋問(wèn)題,我們通過(guò)采用一種魯棒估計(jì)技術(shù)來(lái)降低被遮擋部分的像素對(duì)目標(biāo)觀測(cè)似然的影響以及對(duì)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(biāo)跟蹤的魯棒性. 3.針對(duì)目標(biāo)在觀測(cè)場(chǎng)景中出現(xiàn)和消失問(wèn)題,開發(fā)

5、了一種基于蒙特卡羅方法的概率多目標(biāo)跟蹤算法.該算法在蒙特卡羅方法框架下在目標(biāo)狀態(tài)變量中引入了一輔助變量,通過(guò)對(duì)該輔助變量的后驗(yàn)概率的估計(jì)來(lái)判斷目標(biāo)在場(chǎng)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(biāo)數(shù)的變化情況,同時(shí)還可以獲得每個(gè)目標(biāo)的運(yùn)動(dòng)狀態(tài),克服了當(dāng)前多目標(biāo)跟蹤算法只能處理目標(biāo)數(shù)不變時(shí)的情況,或能處理目標(biāo)數(shù)變化,但只能估計(jì)多個(gè)目標(biāo)的全局運(yùn)動(dòng)狀態(tài),而無(wú)法得知單個(gè)目標(biāo)的運(yùn)動(dòng)狀態(tài)的問(wèn)題.該算法為目標(biāo)數(shù)可變情況下的多目標(biāo)跟蹤提供了一種

6、較有效的方法.4.針對(duì)復(fù)雜運(yùn)動(dòng)背景環(huán)境下的視頻多目標(biāo)跟蹤問(wèn)題,我們將目前最有效的目標(biāo)檢測(cè)算法(AdaBoost檢測(cè)算法)與基于蒙特卡羅方法的概率多目標(biāo)跟蹤算法結(jié)合起來(lái).利用AdaBoost算法得到的目標(biāo)檢測(cè)結(jié)果和目標(biāo)的顏色信息來(lái)共同構(gòu)建目標(biāo)的觀測(cè)模型,并將該觀測(cè)模型結(jié)合到基于蒙特卡羅方法的概率多目標(biāo)跟蹤算法中去,實(shí)現(xiàn)了視頻場(chǎng)景中多個(gè)目標(biāo)的跟蹤.該算法對(duì)目標(biāo)在場(chǎng)景中的頻繁出現(xiàn)和消失、目標(biāo)具有相似外表、目標(biāo)之間的交叉運(yùn)動(dòng)、以及目標(biāo)之間短暫的