基于核相關(guān)濾波器的視覺(jué)目標(biāo)跟蹤方法研究.pdf

1、隨著科學(xué)技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)的迅猛發(fā)展，智能視頻監(jiān)控技術(shù)在人們的日常生活中得到廣泛的應(yīng)用。在計(jì)算機(jī)視覺(jué)領(lǐng)域，運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)作為智能視頻監(jiān)控中的關(guān)鍵技術(shù)，一直都是重點(diǎn)研究課題之一，其在智能安防監(jiān)控、輔助駕駛甚至無(wú)人自動(dòng)駕駛、工業(yè)智能機(jī)械手臂和智能機(jī)器人等高科技領(lǐng)域都具有廣泛的應(yīng)用前景。本課題重點(diǎn)針對(duì)目前時(shí)效性能最優(yōu)的核相關(guān)目標(biāo)跟蹤方法(KCF，kernelized correlation filter)以及尺度估計(jì)相關(guān)濾波器(DSST，

2、discriminative scale space tracker)，對(duì)復(fù)雜視頻場(chǎng)景下的目標(biāo)跟蹤的關(guān)鍵技術(shù)展開深入研究，力圖在目標(biāo)跟蹤失敗重檢測(cè)、引入隨機(jī)抖動(dòng)因子增加算法精確度、多尺度估計(jì)提高算法精度、視覺(jué)目標(biāo)跟蹤應(yīng)用研究等方面有所突破。
　　1.針對(duì)傳統(tǒng)的核相關(guān)跟蹤器(KCF)跟蹤過(guò)程缺少跟蹤效果檢測(cè)的問(wèn)題，提出了一種采用峰值旁瓣比(PSR,peak sidelobe rate)跟蹤失敗重檢測(cè)的核相關(guān)目標(biāo)跟蹤方法。本課題首先對(duì)

3、核相關(guān)算法的學(xué)習(xí)樣本進(jìn)行了預(yù)處理，利用二維高斯函數(shù)具有權(quán)重分布截取的功能，在樣本中的目標(biāo)位置上截取圖像塊權(quán)值化，從而獲得更高的目標(biāo)信噪比以及更少的背景干擾信息。在圖像序列處理的過(guò)程中，實(shí)時(shí)檢測(cè)相關(guān)運(yùn)算得到的峰值旁瓣比，判斷是否跟蹤失敗，同時(shí)在跟蹤效果比較的序列對(duì)檢測(cè)功能進(jìn)行更新學(xué)習(xí)，進(jìn)而強(qiáng)化跟蹤器的檢測(cè)功能，使得能夠更好地恢復(fù)運(yùn)動(dòng)目標(biāo)跟蹤。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了的該種采用PSR重檢測(cè)改進(jìn)目標(biāo)跟蹤算法的魯棒性，相比傳統(tǒng)的KCF目標(biāo)跟蹤算法的總

4、體精度提高了13.2%。
　　2.根據(jù)粒子濾波引入的隨機(jī)抖動(dòng)因子有助于提高跟蹤系統(tǒng)的穩(wěn)定性，本課題在相關(guān)濾波分類器基礎(chǔ)上，提出了一種具有運(yùn)動(dòng)狀態(tài)估計(jì)和目標(biāo)尺度估計(jì)的視覺(jué)目標(biāo)跟蹤方法。該方法將粒子濾波和核相關(guān)濾波方法相結(jié)合，先估算出運(yùn)動(dòng)目標(biāo)的位置。然后再執(zhí)行尺度相關(guān)濾波器估算目標(biāo)的尺度，可使算法對(duì)尺度變化的運(yùn)動(dòng)目標(biāo)具有更強(qiáng)的適應(yīng)能力。實(shí)驗(yàn)驗(yàn)證了本算法的高效性，且在目標(biāo)尺度變化、光照變化、姿態(tài)變化、部分遮擋、旋轉(zhuǎn)及快速運(yùn)動(dòng)等復(fù)雜情況下

5、均有較強(qiáng)的適應(yīng)性。
　　3.針對(duì)傳統(tǒng)的核相關(guān)目標(biāo)跟蹤方法在尺度變化明顯的圖像序列中表現(xiàn)得差強(qiáng)人意，提出了一種核相關(guān)多尺度估計(jì)的改進(jìn)視覺(jué)目標(biāo)跟蹤方法，從而提高核相關(guān)跟蹤算法對(duì)有明顯尺度變化的運(yùn)動(dòng)目標(biāo)具有更高的跟蹤性能。本課題把灰度 HOG特征金字塔映射到一維向量中，并把 HOG特征金字塔作為一維輸入，可以獲得相關(guān)濾波器的最高響應(yīng)值，經(jīng)過(guò)換算后，作為目標(biāo)尺度的最佳響應(yīng)值。實(shí)驗(yàn)驗(yàn)證了本課題跟蹤算法的時(shí)效性，且驗(yàn)證了本方法在復(fù)雜場(chǎng)景下均有