目標跟蹤中的遮擋問題研究.pdf

1、運動目標跟蹤是計算機視覺研究的核心內(nèi)容，在軍事視覺制導(dǎo)、機器人視覺導(dǎo)航、工業(yè)產(chǎn)品檢測、醫(yī)療診斷、交通監(jiān)視等領(lǐng)域有著非常重要的實用價值和廣闊的發(fā)展前景。由于被跟蹤目標本身特征的多樣性、所處環(huán)境的復(fù)雜性，使得目標跟蹤成為一個極富挑戰(zhàn)性的課題，特別是跟蹤過程中出現(xiàn)的遮擋問題成為限制跟蹤算法魯棒性的關(guān)鍵因素。 本文主要針對目標跟蹤中的遮擋難題進行研究，詳細討論了灰度相關(guān)匹配與多子塊表決、均值漂移、粒子濾波等算法對遮擋問題的處理，并對其做

2、出有效改進，提高上述算法在遮擋情況下目標跟蹤的魯棒性，此外深入研究了基于運動檢測的多目標跟蹤算法以及對多目標跟蹤中的遮擋問題做出分析和處理。論文的主要工作有： 1、針對剛性運動目標跟蹤中的遮擋問題，提出灰度相關(guān)匹配和多子塊表決相結(jié)合的跟蹤算法。首先對目標自適應(yīng)分塊，使各子塊具有較為明顯的特征，增加遮擋判定和子塊匹配的置信度；然后通過各子塊來準確判定被遮擋區(qū)域，在遮擋情況下利用剩余的未被遮擋的子塊進行灰度相關(guān)匹配和表決，并利用

3、Kalman預(yù)測將這兩種算法得到的結(jié)果進行評價和綜合，在目標被完全遮擋情況下利用Kalman預(yù)測進行跟蹤。該算法對于剛性目標的跟蹤具有很好的實時性和跟蹤精度，但對于體積較小和變形比較劇烈的非剛性目標的跟蹤具有局限性。 2、針對更為一般的剛性、非剛性目標在復(fù)雜場景中特別是遮擋情況下的跟蹤問題，提出均值漂移算法和粒子濾波算法相結(jié)合的跟蹤算法。首先對均值漂移算法做出改進，使目標最大限度的成為密度極值區(qū)，增強其抗干擾能力，克服部分

4、遮擋問題；然后對粒子濾波算法做出改進，在非遮擋情況下根據(jù)預(yù)測的準確程度自適應(yīng)選擇粒子數(shù)量和運動模型中高斯噪聲的方差，保證跟蹤的實時性和粒子的有效性，在遮擋情況下改變目標的運動模型，使粒子只做布朗運動，并且各粒子經(jīng)過均值漂移算法的一步迭代以進行優(yōu)化，從而可以減少粒子數(shù)量以及更快恢復(fù)正確的跟蹤；提出有效的分塊檢測遮擋算法和目標丟失的判斷和處理方法。 鑒于均值漂移算法的實時性更好，粒子濾波算法的魯棒性更好，所以將兩者進行結(jié)合以更好

5、的保證目標跟蹤的實時性和魯棒性。在非遮擋或者不嚴重遮擋情況下，采用改進的均值漂移算法；在嚴重遮擋情況下，采用改進的遮擋情況下的粒子濾波算法，并在遮擋結(jié)束后驗證正確跟蹤是否得到恢復(fù)。 3、針對更為復(fù)雜的多目標跟蹤以及多目標之間的遮擋問題，提出基于運動檢測的多目標跟蹤算法。首先將灰度差分和邊緣差分兩種性能互補的運動檢測算法進行有效結(jié)合，并實時更新背景，保證運動檢測的準確性和完整性；其次在不同情況下建立不同的關(guān)聯(lián)矩陣，保證場景中合并