基于局部敏感直方圖的視覺目標跟蹤算法研究.pdf

1、視覺目標跟蹤可為計算機視覺的高級任務(如圖像理解、行為分析等)提供技術支撐，因此一直都是計算機視覺中最活躍的研究領域之一，被廣泛應用于增強現(xiàn)實、智能視頻監(jiān)控、目標識別、醫(yī)學診斷、視覺導航和空間監(jiān)控等領域。同時，近年來視頻傳感器的廣泛應用以及測試計量技術及儀器領域中多傳感器融合的研究，催生了對視頻傳感器輸出數(shù)據(jù)自動處理方面的需求，這對視覺目標跟蹤技術的研究也起到了推動作用。雖然經(jīng)過長期深入研究后，人們提出了許多算法來解決不同應用場景下的視

2、頻跟蹤問題，但在實際環(huán)境中的應用仍舊存在諸多難點。比如，目標的表觀會隨著外界的背景擁簇、光照變化、其它物體的遮擋以及相對運動造成的運動模糊而發(fā)生改變；同時，視頻中的目標在運動過程中自身還可能發(fā)生形變、旋轉和縮放等各種不可預知的復雜變化。這使得在實際環(huán)境中構建具有普適性的、精準穩(wěn)定的魯棒性視覺目標跟蹤算法仍然是個極大的挑戰(zhàn)。
　　本文首先通過改進視覺跟蹤算法中的目標表觀建模方法，改善了復雜環(huán)境下的單視覺目標的跟蹤效果。然后，通過縮減

3、計算半徑和Mean Shift預定位的方法，在不降低跟蹤準確性的前提下提升了算法的跟蹤速度。本論文完成了如下研究工作：
　　在研究Mean Shift視覺目標跟蹤算法和Haar特征的基礎上，通過對Haar特征值的規(guī)整化以及對數(shù)量化，改變了Haar特征值在各量化區(qū)間的分布。再進一步利用亮度和顏色分離表示的 HSI顏色空間，提出了 Haar特征和顏色特征聯(lián)合構建目標表觀模型的方法。從而改善了目標被相似物遮擋以及光照變化時Mean Sh

4、ift視覺目標跟蹤算法的跟蹤效果。
　　在研究基于局部敏感直方圖的視覺目標跟蹤算法的基礎上，首先對局部敏感直方圖快速算法的計算缺陷進行了說明；其次，通過在原有快速算法中的±45°方向上引入 L2范數(shù)度量的像素點間距離，修正了原有快速算法在±45°方向上的計算缺陷，得到了局部敏感直方圖快速算法的改進算法；再次，利用L2范數(shù)與L1范數(shù)在±45°方向上對像素點間距離度量的差異性，得到了ELSH的次優(yōu)權重系數(shù)的自適應生成方法；最后，通過引

5、入Bhattacharyya系數(shù)對模板間相似性進行判定，修正了原始算法中通過比較特定位置來判斷模板間相似性的不足。最終，提出的基于8鄰域局部敏感直方圖的視覺目標跟蹤算法，對亮度變化的目標的跟蹤效果要優(yōu)于原始視覺目標跟蹤算法下的跟蹤效果。
　　通過縮減8鄰域局部敏感直方圖的計算半徑，降低了基于8鄰域局部敏感直方圖視覺目標跟蹤算法的跟蹤耗時。通過采用Mean Shift預定位的方法減緩了隨之而來的模版間相似性下降的問題。利用基于局部敏