基于概率圖模型的目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向之一，在視頻監(jiān)控、人機(jī)交互、智能交通和導(dǎo)航制導(dǎo)等方面都有著廣泛的應(yīng)用。跟蹤過(guò)程中，運(yùn)動(dòng)目標(biāo)姿態(tài)、背景、光照的變化以及遮擋等都會(huì)影響跟蹤算法的穩(wěn)健性，其中遮擋問(wèn)題是跟蹤過(guò)程中的一個(gè)難點(diǎn)。概率圖模型是概率論與圖論的結(jié)合，對(duì)于處理不確定性問(wèn)題具有很大的優(yōu)勢(shì)。近年來(lái)，概率圖模型在計(jì)算機(jī)視覺(jué)領(lǐng)域如目標(biāo)識(shí)別、目標(biāo)檢測(cè)和跟蹤方面已取得了一些應(yīng)用成果。本文針對(duì)跟蹤過(guò)程中的遮擋問(wèn)題，研究概率圖模型在目標(biāo)跟蹤

2、中的應(yīng)用，以提高遮擋情況下跟蹤算法的穩(wěn)健性和有效性。本文采用基于子塊匹配的抗遮擋算法作為基本框架，主要工作如下：
　　首先，針對(duì)子塊劃分問(wèn)題，提出了一種基于局域特征點(diǎn)的目標(biāo)顯著特征區(qū)域提取方法。通過(guò)檢測(cè)目標(biāo)區(qū)域的Harris角點(diǎn)，結(jié)合K-means聚類(lèi)提取目標(biāo)的特征區(qū)域（子塊），極大地保留了目標(biāo)的顯著特征信息，并且剔除了對(duì)于跟蹤結(jié)果影響不大的冗余信息。
　　再次，針對(duì)子塊匹配結(jié)果的融合問(wèn)題，提出了基于顯著特征區(qū)域和馬爾可夫隨

3、機(jī)場(chǎng)（MRF）的目標(biāo)跟蹤算法。利用目標(biāo)特征區(qū)域相互之間的空間約束關(guān)系，并融合各特征區(qū)域的局域信息建立目標(biāo)的馬爾可夫隨機(jī)場(chǎng)模型；根據(jù)目標(biāo)模型使用概率推理對(duì)子塊匹配結(jié)果進(jìn)行空間域推斷，輸出最終的目標(biāo)位置。實(shí)驗(yàn)結(jié)果表明，該算法具有較高的跟蹤精度，尤其是目標(biāo)遮擋時(shí)，該算法具有較好的跟蹤穩(wěn)健性，但其實(shí)時(shí)性稍差。
　　最后，提出一種基于顯著特征區(qū)域和條件隨機(jī)場(chǎng)（CRF）的跟蹤算法。根據(jù)各特征區(qū)域的自身信息，各區(qū)域之間的空間約束信息以及相鄰幀之