面向魯棒跟蹤的視覺特征自適應(yīng)選擇與融合方法研究.pdf

1、作為計算機(jī)視覺領(lǐng)域中的一個熱點(diǎn)課題，視頻圖像中的運(yùn)動目標(biāo)跟蹤問題具有重大的研究意義。但是由于背景干擾、障礙物遮擋以及目標(biāo)變形等原因，復(fù)雜場景下的運(yùn)動目標(biāo)跟蹤仍然是一項具有挑戰(zhàn)性的工作。在復(fù)雜場景下，利用單一特征來表達(dá)目標(biāo)以魯棒的檢測、定位、分析目標(biāo)是一項困難的工作。解決這一問題的有效方法是在目標(biāo)表達(dá)的過程中自適應(yīng)地融合多種特征。自適應(yīng)融合多特征的過程是實現(xiàn)運(yùn)動目標(biāo)魯棒跟蹤的關(guān)鍵所在?；诙嗵卣鞯倪x擇與融合，本文對復(fù)雜環(huán)境下的運(yùn)動目標(biāo)跟蹤

2、問題進(jìn)行分析研究，所做的主要工作如下：
　　首先，介紹了基于多特征運(yùn)動目標(biāo)跟蹤問題的國內(nèi)外研究現(xiàn)狀以及發(fā)展趨勢，并且闡述了基于多特征運(yùn)動目標(biāo)跟蹤的相關(guān)理論基礎(chǔ)。
　　其次，通過分析傳統(tǒng)的特征選擇方法所存在的不足，提出了一種根據(jù)特征的穩(wěn)定性和反差性評估的特征選擇方法。這種特征選擇方法首先用方差來衡量特征的穩(wěn)定性，用對數(shù)似然比來計算特征的反差性；然后用特征的穩(wěn)定性指數(shù)S和反差性指數(shù)C來評價各個特征的重要性；最后選擇出對后續(xù)目標(biāo)跟

3、蹤有利的特征。大量有說服力的實驗證明了所提出的特征選擇方法的有效性和正確性，這也為后續(xù)的多特征自適應(yīng)融合跟蹤奠定了良好的基礎(chǔ)。
　　最后，在均值漂移（Mean Shift）跟蹤框架的基礎(chǔ)上，提出了一種多特征聯(lián)合描述子（Multi-feature Joint Descriptor，MFJD），并用聯(lián)合直方圖之間的距離來度量目標(biāo)模板和候選模板之間的相似性。本研究融合了顏色特征和方向梯度直方圖（Histograms of Oriente

4、d Gradients，HOG）特征來表達(dá)目標(biāo)，進(jìn)一步提出了一種基于均值漂移框架的多特征自適應(yīng)融合策略。該策略基于特征的穩(wěn)定性和反差性能夠自適應(yīng)的調(diào)節(jié)各個特征在跟蹤過程中的權(quán)值。并通過大量的實驗從定性、定量和自適應(yīng)策略評估三個方面驗證了本文所提出的跟蹤策略在處理目標(biāo)遮擋、姿態(tài)變化、背景模糊和目標(biāo)尺寸變化等復(fù)雜場景下目標(biāo)跟蹤的有效性。此外，通過與多種經(jīng)典目標(biāo)跟蹤算法的對比證明了多特征自適應(yīng)融合跟蹤方法MFJD較其它算法在跟蹤精確性和魯棒性