基于核的變尺度視頻目標跟蹤算法研究.pdf

1、視頻目標跟蹤義稱為可視跟蹤(Visual Tracking),即在視頻序列中對感興趣的目標進行有效跟蹤的技術。如何實現(xiàn)穩(wěn)健的視頻目標跟蹤一直都是計算機視覺領域中的一個典型問題。在攝像機觀測平臺與運動目標之間的相對距離存在變化的條件下,場景和目標區(qū)域都具有動態(tài)性,為了有效實現(xiàn)圖像目標的跟蹤,必須充分考慮目標區(qū)域因成像傳感器與目標之間的相對距離變化而引起的目標尺度變化特性。
　　 本文主要工作是基于核的視頻目標跟蹤算法實現(xiàn)變尺度目標

2、的穩(wěn)健性跟蹤。視頻目標跟蹤的對象是面狀成像目標,因此除了能夠準確估計目標位置外,還應該具備估計目標尺度的功能。另外,為了實現(xiàn)準確的目標定位,跟蹤算法也必需在正確的尺度范圍內(nèi)提取目標特征,才能有效實現(xiàn)特征匹配。因此目標尺度估計問題是視頻跟蹤算法是否具有穩(wěn)健性的一個基本問題。而傳統(tǒng)的基于核的視頻跟蹤算法由于缺乏有效更新跟蹤窗口尺度的機制,使得其跟蹤結(jié)果不全面,同時其穩(wěn)健性也得不到保證。本文針對基于核的視頻跟蹤算法難以實現(xiàn)目標尺度估計的問題,

3、提出了五種跟蹤算法:基于尺度不變特征與核直方圖的多特征融合跟蹤算法、基于核及空間變分辨率模型的跟蹤算法、基于核及目標模型自適應的跟蹤算法、基于核與自適應分布圖像推理機制的跟蹤算法和基于雙模型濾波與mean shift的跟蹤算法。
　　 本文的主要研究成果如下:
　　 1.為增強跟蹤算法區(qū)分目標的能力,本章提出了基于核及尺度不變特征的多特征融合跟蹤算法。將尺度不變特征和基于核的顏色分布特征統(tǒng)一用作目標的跟蹤特征。該算法能夠

4、在目標附近存在相似表觀及目標尺度變化的情況下,取得較為穩(wěn)健的跟蹤結(jié)果。
　　 2.提出一種新的基于空間變分辨率模型的目標跟蹤算法。該算法通過Log-polar變換,建立目標的空間變分辨率模型,來解決跟蹤期間目標的尺度和旋轉(zhuǎn)量估計問題。算法除了用mean shift實現(xiàn)目標位置估計以外,還可以實現(xiàn)在mean shift自身框架內(nèi),估計目標的尺度參數(shù)與旋轉(zhuǎn)量參數(shù)。
　　 3.基于核及目標模型自適應的視頻目標跟蹤算法。該算法將

5、CAMSHIFT跟蹤算法與meanshift跟蹤算法結(jié)合起來,利用CAMSHIFT算法得到的跟蹤窗口尺度參數(shù)來輔助meanshift跟蹤。具體來說,就是基于核的目標跟蹤,在均值漂移跟蹤自身框架內(nèi),結(jié)合目標跟蹤區(qū)域的自適應分布和相對穩(wěn)定的目標模型,對候選模型經(jīng)過直方圖后向映射,用跟蹤區(qū)域分布圖像的零階矩來估計跟蹤窗口的尺度。最后在更新階段,根據(jù)目標模型和候選模型的相似度,同時實現(xiàn)目標模型的自適應更新和跟蹤窗口尺度的自適應更新。
　　

6、 4.在基于核及目標模型自適應的跟蹤算法基礎上,根據(jù)目標連續(xù)自適應分布建立目標概率分布圖像,通過分析該圖像灰度統(tǒng)計值的變化情況,檢驗跟蹤模板的變化情況。在進一步計算目標模型與候選模型相似性的基礎上,對目標模型進行更新。在該方法中,目標模型及跟蹤窗口尺度更新的過程被建模為基于投票(Voting)機制的推理過程,充分利用了視頻目標運動模型的空間時間約束特性,可以取得更加穩(wěn)健的跟蹤性能。
　　 5.在多模濾波理論的框架下,提出了一種

7、基于核及雙模型概率切換的跟蹤算法。該算法利用兩個濾波器的預測作為mean shift跟蹤算法的起始運行位置,分別運行兩個mean shift迭代過程,并通過特征相似度選取正確的mean shift跟蹤迭代結(jié)果作為多模濾波器的觀測值,提高了觀測信息的魯棒性；在跟蹤期間,結(jié)合根據(jù)多個目標運動模型的概率可信度,實現(xiàn)多模型之間的適時切換,使跟蹤窗口能始終鎖定目標。
　　 上述五種跟蹤算法統(tǒng)一建立在基于核的視覺跟蹤方法基礎上,針對目標的變