目標(biāo)跟蹤中的遮擋問題研究.pdf

1、運(yùn)動目標(biāo)跟蹤是計算機(jī)視覺研究的核心內(nèi)容，在軍事視覺制導(dǎo)、機(jī)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(shí)用價值和廣闊的發(fā)展前景。由于被跟蹤目標(biāo)本身特征的多樣性、所處環(huán)境的復(fù)雜性，使得目標(biāo)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(biāo)跟蹤中的遮擋難題進(jìn)行研究，詳細(xì)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(jìn)，提高上述算法在遮擋情況下目標(biāo)跟蹤的魯棒性，此外深入研究了基于運(yùn)動檢測的多目標(biāo)跟蹤算法以及對多目標(biāo)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(yùn)動目標(biāo)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(biāo)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(zhǔn)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(jìn)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(jìn)行評價和綜合，在目標(biāo)被完全遮擋情況下利用Kalman預(yù)測進(jìn)行跟蹤。該算法對于剛性目標(biāo)的跟蹤具有很好的實(shí)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(biāo)的跟蹤具有局限性。 2、針對更為一般的剛性、非剛性目標(biāo)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(jìn)，使目標(biāo)最大限度的成為密度極值區(qū)，增強(qiáng)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(jìn)，在非遮擋情況下根據(jù)預(yù)測的準(zhǔn)確程度自適應(yīng)選擇粒子數(shù)量和運(yùn)動模型中高斯噪聲的方差，保證跟蹤的實(shí)時性和粒子的有效性，在遮擋情況下改變目標(biāo)的運(yùn)動模型，使粒子只做布朗運(yùn)動，并且各粒子經(jīng)過均值漂移算法的一步迭代以進(jìn)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(biāo)丟失的判斷和處理方法。 鑒于均值漂移算法的實(shí)時性更好，粒子濾波算法的魯棒性更好，所以將兩者進(jìn)行結(jié)合以更好

5、的保證目標(biāo)跟蹤的實(shí)時性和魯棒性。在非遮擋或者不嚴(yán)重遮擋情況下，采用改進(jìn)的均值漂移算法；在嚴(yán)重遮擋情況下，采用改進(jìn)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(biāo)跟蹤以及多目標(biāo)之間的遮擋問題，提出基于運(yùn)動檢測的多目標(biāo)跟蹤算法。首先將灰度差分和邊緣差分兩種性能互補(bǔ)的運(yùn)動檢測算法進(jìn)行有效結(jié)合，并實(shí)時更新背景，保證運(yùn)動檢測的準(zhǔn)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