視覺(jué)目標(biāo)跟蹤和識(shí)別的理論與方法研究.pdf

1、隨著信息采集、存儲(chǔ)、傳輸、處理和顯示等技術(shù)的飛速發(fā)展，視頻信息處理和分析也成為從視頻中獲取有用信息的重要手段。視覺(jué)目標(biāo)跟蹤與識(shí)別既是計(jì)算機(jī)視覺(jué)等領(lǐng)域的重要研究課題，也是視頻監(jiān)控和人機(jī)交互中的關(guān)鍵技術(shù)。
　　盡管目標(biāo)跟蹤和識(shí)別技術(shù)經(jīng)過(guò)幾十年的研究有了很大的進(jìn)展，但挑戰(zhàn)依然存在。在實(shí)際應(yīng)用中，尤其是在復(fù)雜情況下，如目標(biāo)自身的運(yùn)動(dòng)、姿態(tài)及外界環(huán)境如光照、干擾、遮擋等各種變化，現(xiàn)有的目標(biāo)跟蹤和識(shí)別技術(shù)仍不能滿足實(shí)際應(yīng)用的要求。因此，研究適

2、合特定目標(biāo)和適應(yīng)各種復(fù)雜情況的目標(biāo)跟蹤與識(shí)別的理論和方法仍然具有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。
　　本論文主要研究目標(biāo)自身和外界環(huán)境的復(fù)雜變化下的跟蹤和識(shí)別問(wèn)題。在目標(biāo)跟蹤方面，主要以人臉、車輛和行人等作為跟蹤對(duì)象，利用子空間、特征點(diǎn)和協(xié)方差特征等目標(biāo)表示的方法，對(duì)機(jī)動(dòng)目標(biāo)跟蹤、在線模型學(xué)習(xí)、多姿態(tài)跟蹤、人臉器官聯(lián)合跟蹤以及提高復(fù)雜情況下目標(biāo)跟蹤的魯棒性進(jìn)行了較深入的研究。在目標(biāo)識(shí)別方面，研究了在光照和姿態(tài)等復(fù)雜變化情況下基于視頻的人

3、臉識(shí)別和動(dòng)態(tài)紋理識(shí)別。
　　本論文的主要研究工作及創(chuàng)新點(diǎn)包括:
　　基于目標(biāo)外觀子空間表示的跟蹤方面，
　　提出了一種結(jié)合特征點(diǎn)和子空間表示的機(jī)動(dòng)目標(biāo)跟蹤方法。通過(guò)匹配相鄰兩幀間的SURF特征點(diǎn)建立自適應(yīng)運(yùn)動(dòng)模型，并利用自適應(yīng)粒子濾波跟蹤目標(biāo)。該方法提高了跟蹤效率以及跟蹤快速運(yùn)動(dòng)目標(biāo)的性能。
　　提出了一種基于Grassmann流形的在線子空間更新方法。利用子空間序列在時(shí)間上的關(guān)聯(lián)，在Grassmann流形的切空

4、間上應(yīng)用Kalman濾波，并利用流形上的測(cè)地線與切向量的關(guān)系更新子空間。該方法能得到較穩(wěn)定的子空間表示，在復(fù)雜情況下能實(shí)現(xiàn)更穩(wěn)定的目標(biāo)跟蹤。
　　提出了一種基于切換多線性子空間模型及Rao-Blackwellized粒子濾波的多姿態(tài)人臉跟蹤方法。對(duì)于每一個(gè)姿態(tài)的人臉用一個(gè)線性子空間表示，并用一個(gè)Markov模型實(shí)現(xiàn)多個(gè)子空間模型的切換。該方法能有效跟蹤多姿態(tài)人臉，并且可以在跟蹤的同時(shí)估計(jì)人臉的姿態(tài)。
　　提出了一種臉部器官（

5、眼睛、鼻子、嘴）聯(lián)合跟蹤方法。利用MRF表示人臉器官之間的相互關(guān)系，并結(jié)合粒子濾波和信度傳播實(shí)現(xiàn)跟蹤模型在時(shí)間和空間上的推理，從而實(shí)現(xiàn)人臉器官聯(lián)合跟蹤。在眨眼和說(shuō)話時(shí)眼睛和嘴部出現(xiàn)明顯變化的情況下，聯(lián)合跟蹤具有比獨(dú)立跟蹤臉部器官更好的性能。
　　提出了用加權(quán)多模態(tài)協(xié)方差表示目標(biāo)的跟蹤方法。通過(guò)核加權(quán)使接近目標(biāo)區(qū)域中心的特征點(diǎn)具有更大的權(quán)重，并結(jié)合多個(gè)子區(qū)域的加權(quán)協(xié)方差表示目標(biāo)，利用粒子濾波實(shí)現(xiàn)跟蹤。該方法在目標(biāo)受干擾和部分遮擋情況