基于李群流形的視頻目標跟蹤方法研究.pdf

1、視頻目標跟蹤技術(shù)在導(dǎo)彈動態(tài)測量、無人飛行器探測與導(dǎo)彈制導(dǎo)等國防領(lǐng)域和智能監(jiān)控、智能交通、機器人導(dǎo)航等民用領(lǐng)域應(yīng)用越來越廣泛，已經(jīng)成為計算機視覺和模式識別等研究領(lǐng)域的熱點問題之一。
　　在視頻目標跟蹤研究工作中所要解決的主要難點是待跟蹤目標產(chǎn)生的幾何變形和由于光照變化、遮擋等外界環(huán)境變化造成的目標圖像特征數(shù)據(jù)的快速變化。針對跟蹤目標，建立有效、可靠的幾何形變和表觀特征模型是解決視頻目標跟蹤問題的關(guān)鍵技術(shù)?，F(xiàn)有的視頻目標跟蹤方法通常采

2、用仿射變換或投影變換來描述目標發(fā)生的幾何形變，然而，仿射變換以及投影變換模型中的參數(shù)分布不服從歐氏向量空間，而是服從李群流形空間。此外，視頻目標跟蹤方法中采用的基于圖像的流形特征數(shù)據(jù)需要處理分析，這些流形數(shù)據(jù)服從李群流形空間。正確分析目標的幾何變形和表觀特征數(shù)據(jù)的李群流形結(jié)構(gòu)，構(gòu)建高性能目標跟蹤算法，具有重要的理論研究意義和實際應(yīng)用價值。
　　本文在分析總結(jié)國內(nèi)外相關(guān)研究工作成果的基礎(chǔ)上，基于李群流形理論，針對視頻目標跟蹤的目標幾

3、何變形和目標特征建模兩個問題開展了探索性的研究工作，主要研究內(nèi)容及成果包括:
　　對于經(jīng)歷明顯幾何形變的目標跟蹤問題，目標的幾何變形建模是跟蹤算法準確性的關(guān)鍵所在。在分析仿射群和投影群(SL(3)群）參數(shù)以及濾波算法的基礎(chǔ)上，考慮到投影變換可以更真實地反映圖像成像過程，提出了一種在投影變換群上的基于雙流形粒子濾波的目標跟蹤方法。該方法構(gòu)建了雙流形模型，一個是協(xié)方差流形，用做目標的觀測模型，另一個是在SL(3)群上的幾何變換，作為目

4、標的動態(tài)模型。雙流形模型將投影群與協(xié)方差矩陣黎曼流形有機結(jié)合，不僅可以更新目標的表觀模型，同時可以預(yù)測動態(tài)流形向量，從而保證跟蹤結(jié)果的準確性。實驗結(jié)果表明，該算法能夠準確跟蹤具有明顯幾何形變的視頻目標，在經(jīng)歷光照變化或是存在遮擋的條件下，該算法同樣可以獲得良好的目標跟蹤效果。
　　針對復(fù)雜背景下目標特征模型容易引入背景噪聲的問題，提出了兩種目標特征建模方法，并構(gòu)建了目標跟蹤方法。首先，基于偏最小二乘分析法具有更好的跟蹤魯棒性和預(yù)測

5、穩(wěn)定性的特點，提出了基于偏最小二乘分析的雙模粒子濾波目標跟蹤算法。引入偏最小二乘分析來表征目標區(qū)域特征，利用仿射變換表示目標的形變過程，分別在李群及其切空間上建立雙動態(tài)粒子濾波模型。構(gòu)建了有效的目標特征空間更新策略，提高了目標在經(jīng)歷復(fù)雜表觀變化或是背景變化時跟蹤結(jié)果的準確性。實驗結(jié)果表明，該算法能夠有效屏蔽背景干擾，跟蹤目標在復(fù)雜背景下或是經(jīng)歷暫時遮擋等情況下，該算法的跟蹤效果仍然可以保持穩(wěn)定、準確。其次，在分析雙邊濾波具有各項異性特點

6、的基礎(chǔ)上，提出了一種融合雙邊濾波的協(xié)方差目標跟蹤算法。該算法首先對圖像進行雙邊濾波處理，得到濾波后的圖像灰度及其梯度信息。然后建立跟蹤目標的協(xié)方差矩陣，設(shè)計跟蹤算法。其中協(xié)方差矩陣元素間的距離和相似性度量采用對數(shù)-歐幾里德黎曼度量。同時引入了積分圖像的快速運算，有效地提高了協(xié)方差矩陣的計算速度。實驗結(jié)果表明，該算法能夠?qū)庹兆兓瘲l件下的目標或是紅外目標實現(xiàn)穩(wěn)定跟蹤，且具有計算效率高的特點。
　　研究了多目標跟蹤問題，提出了基于角點

7、檢測的互遮擋多目標跟蹤方法。首先建立基于李群結(jié)構(gòu)下的雙邊結(jié)構(gòu)張量的角點檢測算法，然后采用K-NN算法對遮擋區(qū)域的角點進行分類，進而構(gòu)建能夠有效區(qū)分各個跟蹤目標的角點匹配算法，實現(xiàn)了相互遮擋的多個目標的有效分離，最后設(shè)計了可有效區(qū)分互遮擋的多目標跟蹤算法。實驗結(jié)果表明，在出現(xiàn)遮擋的情況時，該算法可有效實現(xiàn)多目標的可靠跟蹤。
　　本文將李群流形理論引入到視頻目標跟蹤領(lǐng)域，系統(tǒng)研究了視頻目標的幾何變形建模和目標表觀特征建模問題，并對本文