基于均值移動與粒子濾波算法的視頻目標跟蹤研究.pdf

1、視頻目標跟蹤是目前一個重要的研究領(lǐng)域，其在視頻監(jiān)控、交互休閑娛樂以及人工智能等方面都有著廣泛的應(yīng)用。論文針對視頻目標跟蹤過程中，不可避免的存在目標特征變化而導(dǎo)致跟蹤失敗，參考模板與候選模板相似度計算不合理而導(dǎo)致跟蹤性能下降等問題進行深入研究，分別對均值移動算法、粒子濾波算法和主動輪廓算法進行改進并取得一些成果，主要包括：
　　 (1)提出了基于先驗知識的模板更新算法。針對被跟蹤頭部目標特征狀態(tài)隨時間變化而導(dǎo)致參考模板與候選模板不

2、匹配的問題，我們提出一種基于輔助模板的更新策略。該方法首先根據(jù)被跟蹤目標不同狀態(tài)下所呈現(xiàn)的顏色統(tǒng)計特征，設(shè)計一個輔助模板；然后利用它對候選模板中的不同顏色特征進行指導(dǎo)性更新，從而形成一個具有目標先驗知識的參考模板，該算法解決了目標特征變化和模板更新時機選擇的難題。
　　 (2)針對基于Bhattacharyya相似度的均值移動跟蹤算法精度較差的問題，論文提出了基于直方圖交集思想的新型顏色分量加權(quán)方法，從而提高了在目標快速運動、有

3、場景相似顏色干擾等情況下的目標跟蹤精度。并且針對跟蹤過程中，因攝像機抖動、光照變化、目標自身狀態(tài)變化等因素導(dǎo)致跟蹤線索變化的情況，提出基于輔助模板的目標參考模板更新機制，從而有效地解決了目標短暫遮擋以及更新過程中的累積誤差問題。
　　 (3)為了解決被跟蹤目標特征狀態(tài)隨時間變化而與粒子觀測模型不匹配的問題，我們提出了一種多觀測模型的粒子濾波算法，即將被跟蹤目標的不同特征狀態(tài)與粒子觀測模型相結(jié)合，形成一組具有不同觀測模型的粒子，并

4、且在跟蹤過程中，對應(yīng)不同觀測模型的粒子根據(jù)被跟蹤目標特征的變化而相互轉(zhuǎn)換，從而本文算法可以實現(xiàn)視頻目標的連續(xù)跟蹤。
　　 (4)針對基于最小均方誤差和最大后驗概率狀態(tài)估計在背景干擾下存在偏差的問題，本文提出一種新的跟蹤目標狀態(tài)參數(shù)估計方法，即在跟蹤過程中，按照粒子權(quán)值大小的準則，篩選適當(dāng)數(shù)量具有較大權(quán)值的粒子進行狀態(tài)估計，從而實現(xiàn)消除背景以及偽目標的影響。
　　 (5)針對在復(fù)雜的跟蹤環(huán)境下，基于主動輪廓算法的目標跟蹤容

5、易陷入局部最小點的問題，我們提出了一種基于粒子濾波和均值移動算法的跟蹤策略。首先，采用粒子濾波提取目標位移向量，將它作為均值移動算法迭代初始位置，然后用整個位移來指導(dǎo)主動輪廓算法的跳變，最后通過主動輪廓算法提取感興趣目標的輪廓并且向粒子濾波算法和均值移動算法反饋必要的信息，從而實現(xiàn)了快速視頻目標跟蹤。
　　 (6)針對經(jīng)典主動輪廓算法和梯度向量流主動輪廓算法外力模型所具有的共同缺陷，即離圖像邊緣越遠，外力越小，我們提出了一種基于