基于多層顯著前景塊的目標(biāo)跟蹤.pdf

1、視覺(jué)跟蹤技術(shù)一直以來(lái)都受到研究學(xué)者的青睞，是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的研究熱點(diǎn)和難點(diǎn)，也是很多高層應(yīng)用的基礎(chǔ)，在近幾十年取得到了長(zhǎng)足的發(fā)展。但是目前的跟蹤技術(shù)仍然受到現(xiàn)實(shí)條件的嚴(yán)重制約和限制，比如光照變化、目標(biāo)形變、遮擋、尺度變化及噪聲等，穩(wěn)定、可靠、高效的視覺(jué)跟蹤算法還未成熟。因此，研究設(shè)計(jì)一個(gè)高效、穩(wěn)定、可靠的視覺(jué)跟蹤算法有著十分重要的現(xiàn)實(shí)意義。
　　本文主要的研究工作內(nèi)容和成果如下:
　　一、調(diào)研了視覺(jué)跟蹤算法的研究現(xiàn)狀，總

2、結(jié)和介紹了視覺(jué)跟蹤算法的現(xiàn)狀和一般算法處理過(guò)程，并詳細(xì)介紹了相關(guān)的理論知識(shí)。由于本文跟蹤方法的重點(diǎn)在于外觀模型的建立，并基于貝葉斯估計(jì)模型進(jìn)行目標(biāo)跟蹤，所以本文對(duì)外觀模型理論和用于視覺(jué)跟蹤的貝葉斯估計(jì)理論做了相關(guān)介紹。
　　二、圍繞前景建模，提出多層顯著前景塊模型。在大多數(shù)的在線目標(biāo)跟蹤方法中，目標(biāo)通常用矩形框來(lái)標(biāo)記。矩形框內(nèi)不僅包含了全部的目前信息，同時(shí)包含了背景信息。包含的背景信息在一定程度上影響了目標(biāo)模板的精確性，削弱了前景

3、背景的區(qū)分，降低了目標(biāo)跟蹤效果。針對(duì)此問(wèn)題，本文提出了一種基于前景背景相似性度量的顯著前景提取方法，以此建立更加準(zhǔn)確的顯著的前景模型，增強(qiáng)前景模板表示，提升了跟蹤效果。同時(shí)，為了應(yīng)對(duì)光照變化帶來(lái)的前景外觀變化，提出一種與顯著前景塊模型適應(yīng)的模板更新方法，形成了多層前景模型。實(shí)驗(yàn)結(jié)果表明，該方法能有效應(yīng)對(duì)光照變化、目標(biāo)變形、背景混淆等影響因素，取得較好的跟蹤效果。
　　三、提出了一種新的置信度圖計(jì)算方法，以創(chuàng)建目標(biāo)前景的統(tǒng)計(jì)形態(tài)模型

4、，用于目標(biāo)跟蹤。首先，從前景背景分類的角度出發(fā)，分析并提出了前景背景分類理論的形式化表達(dá)。然后，初始化前景背景模型，并提出了一種新的置信度圖計(jì)算方法，形成統(tǒng)計(jì)形態(tài)模型。統(tǒng)計(jì)形態(tài)模型以簡(jiǎn)單統(tǒng)計(jì)方法計(jì)算得到的像素統(tǒng)計(jì)形態(tài)分布比例值為基礎(chǔ)，該比例值反映了像素的前景置信度，也在一定程度上反應(yīng)了前景分布情況。以統(tǒng)計(jì)形態(tài)分布比例值為基礎(chǔ)，運(yùn)用掩碼方式形成統(tǒng)計(jì)形態(tài)分布比例值掩碼。最終，結(jié)合此掩碼進(jìn)行目標(biāo)跟蹤。實(shí)驗(yàn)表明，本文提出的基于統(tǒng)計(jì)形態(tài)模型的目標(biāo)