視頻多目標(biāo)跟蹤方法研究.pdf

1、近年來(lái)，隨著科研人員研究的深入，視頻目標(biāo)檢測(cè)與跟蹤理論日益成熟。其主要任務(wù)是對(duì)視頻圖像序列中的目標(biāo)進(jìn)行處理和分析，從中提取目標(biāo)的有用信息，自動(dòng)的識(shí)別目標(biāo)、預(yù)測(cè)并提取目標(biāo)位置信息以及跟蹤目標(biāo)運(yùn)動(dòng)。視頻目標(biāo)檢測(cè)與跟蹤技術(shù)在人機(jī)交互、虛擬現(xiàn)實(shí)、醫(yī)學(xué)診斷、智能交通等領(lǐng)域有著重要的應(yīng)用。因此，視頻目標(biāo)檢測(cè)與跟蹤技術(shù)具有重要的研究意義和應(yīng)用價(jià)值。
　　目前，視頻目標(biāo)檢測(cè)與跟蹤技術(shù)在實(shí)際應(yīng)用中還存在著一些問(wèn)題，如運(yùn)動(dòng)平臺(tái)下的跟蹤問(wèn)題、目標(biāo)數(shù)目變

2、化的多目標(biāo)檢測(cè)與跟蹤問(wèn)題、目標(biāo)遮擋問(wèn)題等，使得視頻目標(biāo)檢測(cè)與跟蹤技術(shù)有著很高的難度，十分具有挑戰(zhàn)性。
　　本文針對(duì)運(yùn)動(dòng)平臺(tái)下的多目標(biāo)檢測(cè)與跟蹤問(wèn)題進(jìn)行了研究。在研究傳統(tǒng)的目標(biāo)檢測(cè)和目標(biāo)跟蹤方法的基礎(chǔ)上，針對(duì)運(yùn)動(dòng)平臺(tái)、多個(gè)目標(biāo)、檢測(cè)目標(biāo)時(shí)間過(guò)長(zhǎng)和目標(biāo)局部遮擋出現(xiàn)跟蹤漂移和丟失目標(biāo)等問(wèn)題，提出一種基于Haar-like特征檢測(cè)和壓縮特征融合的運(yùn)動(dòng)平臺(tái)多目標(biāo)檢測(cè)與跟蹤算法，對(duì)運(yùn)動(dòng)平臺(tái)下的多目標(biāo)檢測(cè)目標(biāo)Haar-like特征的提取與描述、

3、目標(biāo)位置的提取、目標(biāo)壓縮特征的提取及壓縮特征的融合等幾個(gè)方面進(jìn)行了研究。論文分為目標(biāo)檢測(cè)和目標(biāo)跟蹤兩個(gè)部分。
　　在目標(biāo)檢測(cè)部分，介紹了幾種經(jīng)典的目標(biāo)檢測(cè)方法，如靜態(tài)背景下的幀差法、背景減除法、運(yùn)動(dòng)場(chǎng)估計(jì)法和動(dòng)態(tài)背景下的 HOG特征檢測(cè)、LBP特征檢測(cè)及Haar-like特征檢測(cè)，并對(duì)幾種方法進(jìn)行了優(yōu)缺點(diǎn)比較。本文自建了人臉圖像數(shù)據(jù)庫(kù)和車輛圖像數(shù)據(jù)庫(kù)，用于訓(xùn)練目標(biāo)檢測(cè)分類器。本文使用Haar-like特征檢測(cè)來(lái)進(jìn)行目標(biāo)檢測(cè)，實(shí)驗(yàn)結(jié)

4、果表明，該方法能快速、準(zhǔn)確地檢測(cè)到視頻圖像序列中的多個(gè)目標(biāo)候選區(qū)域，為后續(xù)的目標(biāo)跟蹤打下了良好的基礎(chǔ)。
　　在目標(biāo)跟蹤部分，介紹了幾種現(xiàn)在主流的目標(biāo)跟蹤方法，如LK光流跟蹤法、Meanshift跟蹤法、TLD跟蹤法及壓縮跟蹤法。本文在壓縮跟蹤算法的基礎(chǔ)上提出了改進(jìn)，在壓縮跟蹤階段的特征提取過(guò)程中，利用壓縮感知理論對(duì)目標(biāo)的特征進(jìn)行壓縮降維，減小了數(shù)據(jù)處理量，提高了跟蹤速度，并且提出了一種壓縮特征融合的跟蹤方法，在局部遮擋發(fā)生時(shí)能夠大