基于廣義Hough變換的目標跟蹤算法研究.pdf

1、視頻圖像序列中的目標跟蹤是計算機視覺領(lǐng)域的熱點問題，廣泛地應用于視頻監(jiān)控、視頻檢索、車輛導航、人機交互、體育比賽直播等場合。視頻目標跟蹤主要的研究方向是對動物視覺行為的模擬和對人類分析思維模式的抽象;為此，研究者對視覺特征和分析方法都進行了逼近，涌現(xiàn)出了許多能解決特定問題的有效算法。但由于真實世界環(huán)境的復雜性和被跟蹤目標本身的動態(tài)性，依然存在很許多亟待解決的困難，背景環(huán)境的干擾、光照變化的因素、目標之間的交錯和遮擋、目標外觀和姿態(tài)的變化

2、等都是影響目標跟蹤算法性能的重要挑戰(zhàn)。
　　 本文在對現(xiàn)有的目標跟蹤技術(shù)進行充分學習和理解的基礎上，深入研究了廣義Hough變換在目標跟蹤算法中的應用，討論了目標檢測分類器的設計，目標特征的提取和描述，目標模型的在線更新，目標位置的估計方法，以及遮擋推理，多目標關(guān)聯(lián)模型等重點技術(shù)問題，提出了一系列有效的解決方法。本文的主要研究成果如下:
　　 (1)提出了半監(jiān)督Hough Forests目標跟蹤方法。以Hough For

3、ests為基本學習框架，引入了基于跟蹤過程中得到的樣本個體信息和空間分布信息的隨機標簽，提高了分類器的分類性能，并降低了同類目標的混淆概率;采用了類似粒子濾波的隨機采樣方式對分類器的檢測和更新環(huán)節(jié)進行加速，提高了算法的實時性。
　　 (2)提出了一種基于檢測反饋的長程跟蹤算法。將閉環(huán)控制的思想引入到視覺跟蹤問題中，用以光流向量作為特征的前饋跟蹤控制器，并用與之特征互補的檢測算子作為反饋控制器，用反饋的結(jié)果對跟蹤算子進行調(diào)節(jié)，并對

4、目標的外觀模型進行維護。該算法能夠大幅提高跟蹤算法的魯棒性和穩(wěn)定性，對長時間軸上的目標跟蹤應用非常有效。
　　 (3)提出了基于雙層粒子濾波的半監(jiān)督Hough Forests多目標跟蹤算法。用雙層粒子濾波在統(tǒng)一的隨機采樣框架中解決樣本采樣和位置采樣兩個隨機過程，提高了檢測算子的實時性能。并設計了一個多目標維護機制應對遮擋、背景變化、目標進出場景等可能引起目標混淆的情況。
　　 (4)提出了一種基于多視角多片段Hough