復(fù)雜場景下目標(biāo)穩(wěn)定跟蹤算法研究.pdf

1、復(fù)雜場景下的目標(biāo)跟蹤是計算機視覺領(lǐng)域的熱點研究課題之一，其任務(wù)主要是對視頻幀序列或者攝像機拍攝視頻中的運動目標(biāo)進行檢測和跟蹤。如在智能監(jiān)控、機器人導(dǎo)航、視頻檢索和虛擬現(xiàn)實等領(lǐng)域有廣泛的應(yīng)用。雖然基于視頻的目標(biāo)跟蹤算法已經(jīng)發(fā)展了很長一段時間，但是在實際的應(yīng)用過程中仍然面臨著各種各樣的挑戰(zhàn)：如場景中可能出現(xiàn)的光照變化、遮擋、形變以及尺度變化等。這些因素使得跟蹤過程中的誤差逐漸累積，形成了所謂的漂移現(xiàn)象，最終導(dǎo)致目標(biāo)跟蹤的失敗。針對這些難點，

2、本文主要從特征的提取和壓縮、分類器的構(gòu)建、跟蹤狀態(tài)判斷以及時空信息的融合等方面對目標(biāo)跟蹤算法進行研究。
　　為了解決由于光照變化、尺度變化和遮擋等導(dǎo)致的目標(biāo)跟蹤失敗的情況，本文提出了一種基于跟蹤失敗檢測和加權(quán)隨機森林的目標(biāo)跟蹤算法。算法首先提取了一種基于YCrCb光照不變空間的目標(biāo)多尺度特征，解決復(fù)雜場景中光照變化、尺度變化等問題；為了降低該特征的維度減少計算量，本文利用隨機投影對提取的高維特征進行降維。然后利用壓縮后的多尺度特征

3、初始化本文提出的一個加權(quán)的隨機森林分類器。對于跟蹤過程中可能遇到的由于遮擋或者目標(biāo)消失等導(dǎo)致的跟蹤失敗情況，本文采用了一種基于雙向軌跡誤差計算的跟蹤失敗檢測策略。最后如果出現(xiàn)跟蹤失敗和目標(biāo)丟失的情況，為了在后續(xù)幀中重新定位目標(biāo)，本文還提出了一種在線更新的基于加權(quán)的隨機森林分類器，在目標(biāo)消失后對后續(xù)幀進行檢測。
　　針對跟蹤中較難處理的遮擋問題，本文引入了目標(biāo)遮擋判斷策略下的基于時空上下文信息的目標(biāo)跟蹤算法。算法首先利用壓縮后的顏色