基于視頻序列的單-多目標跟蹤算法研究.pdf

1、視頻目標跟蹤是計算機視覺領域的研究重點和熱點之一，它融合了圖像處理、人工智能、自動控制以及模式識別等眾多領域的先進技術，在人機交互、智能視頻監(jiān)控、機器人視覺導航、醫(yī)療診斷領域都有著廣泛的應用。盡管近年了人們提出了許多視頻目標跟蹤方法，但是目標自身特征的多樣性、目標自身外觀與環(huán)境的變化、目標之間的相互遮擋使得設計一種魯棒的、穩(wěn)定的目標跟蹤方法仍是一項具有挑戰(zhàn)性的工作。
　　視頻目標跟蹤按照跟蹤目標的個數(shù)可分為單目標跟蹤和多目標跟蹤，

2、按照目標是否自動初始化可分為全自動跟蹤和半自動跟蹤。本文對固定背景下半自動單目標跟蹤和以行人為主要研究對象的全自動多目標跟蹤問題進行了研究。主要的工作和研究成果如下:
　　1.在線boosting算法將目標跟蹤問題看作二值分類問題，由于其在線學習的功能，對外觀的變化有很好的自適應性。但當目標被嚴重遮擋或者完全遮擋時，采用在線boosting算法會導致錯誤累計而使跟蹤失敗。針對在線boosting算法的不足，提出一種基于粒子濾波框架

3、的在線boosting目標跟蹤算法，以粒子所在區(qū)域的置信度作為粒子的權重，解決了目標發(fā)生嚴重遮擋時的目標跟蹤問題。
　　2.將基于統(tǒng)計學習的目標檢測與基于運動的目標檢測兩類算法結合，提出了一種Vibe-Hog的運動行人檢測算法。首先，使用Vibe算法提取出運動區(qū)域，并采用形態(tài)學濾波和鄰近區(qū)域合并策略去除噪聲的影響。然后，在提取出的運動區(qū)域內(nèi)使用(Hog+SVM)行人檢測分類器，進一步提取行人目標。本文算法減少了冗余檢測區(qū)域，提高了