基于條件隨機(jī)場(chǎng)的目標(biāo)跟蹤的研究.pdf

1、復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤作為計(jì)算機(jī)視覺(jué)領(lǐng)域的關(guān)鍵技術(shù)，成為眾多國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)之一?，F(xiàn)實(shí)中大量的應(yīng)用，比如機(jī)器人導(dǎo)航，車載視頻跟蹤等，都與復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤密不可分。本文對(duì)傳統(tǒng)的條件隨機(jī)場(chǎng)模型和目標(biāo)匹配算法進(jìn)行了改進(jìn)并結(jié)合特征光流法對(duì)復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤。論文的具體研究?jī)?nèi)容如下:
　　 第一部分，介紹了廣泛應(yīng)用的幾種統(tǒng)計(jì)模型，如隱馬爾可夫模型、最大熵模型、最大熵馬爾可夫模型和條件隨機(jī)場(chǎng)模型，著重

2、闡述條件隨機(jī)場(chǎng)(CRF)的基本概念和原理。
　　 第二部分，分析了傳統(tǒng)條件隨機(jī)場(chǎng)模型的不足，并對(duì)其時(shí)域強(qiáng)度β進(jìn)行改進(jìn)。由于傳統(tǒng)CRF模型中時(shí)域強(qiáng)度β是根據(jù)多次實(shí)驗(yàn)而設(shè)定的固定值，該傳統(tǒng)算法將會(huì)引起的較大誤差，因此本文提出了一種基于粒子濾波估計(jì)的改進(jìn)的CRF模型來(lái)提高模型精度。通過(guò)進(jìn)行一次粒子濾波估計(jì)，以各標(biāo)記變量新的估計(jì)位置與CRF模型中心點(diǎn)的距離來(lái)衡量它們對(duì)中心點(diǎn)的約束能力，并且對(duì)他們進(jìn)行歸一化處理，將歸一化后的數(shù)值作為每個(gè)標(biāo)

3、記變量在時(shí)域范圍內(nèi)對(duì)CRF模型中心點(diǎn)的約束度。實(shí)驗(yàn)仿真結(jié)果表明改進(jìn)后的CRF模型的有較高的仿真精度。
　　 第三部分，研究了目前常用的目標(biāo)跟蹤匹配算法，針對(duì)傳統(tǒng)匹配算法在處理目標(biāo)和背景顏色相近的情況的不足，本文提出了一種基于改進(jìn)CRF模型的目標(biāo)匹配算法。首先采用粒子濾波對(duì)匹配宏塊進(jìn)行一步估計(jì)來(lái)確定搜索中心，并結(jié)合粒子濾波所得方差來(lái)確定較小的搜索范圍。其次，提出了改進(jìn)的相似性匹配函數(shù)，它包含了顏色、時(shí)空兩個(gè)層次上的度量信息，并通過(guò)