基于軌跡優(yōu)化的多目標(biāo)跟蹤研究.pdf

1、多運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤一直是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)備受關(guān)注的新興研究方向,該方向融合了計(jì)算機(jī)應(yīng)用、圖像處理、人工智能、模式識(shí)別等多個(gè)相關(guān)領(lǐng)域的知識(shí),得到了廣大科研工作者、國(guó)家相關(guān)部門(mén)以及企業(yè)的高度重視,現(xiàn)已廣泛應(yīng)用于視頻監(jiān)控、醫(yī)學(xué)圖像分析、智能交通等多個(gè)領(lǐng)域。由于場(chǎng)景的復(fù)雜性、目標(biāo)外觀的多樣性以及多個(gè)運(yùn)動(dòng)目標(biāo)之間的相互遮擋等原因,多運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤技術(shù)仍然面臨著許多有待進(jìn)一步解決的研究難題。
　　本文在對(duì)目前常用的目標(biāo)檢測(cè)和跟蹤

2、算法進(jìn)行分析和實(shí)驗(yàn)對(duì)比的基礎(chǔ)上,針對(duì)多運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤技術(shù)中的一些主要問(wèn)題進(jìn)行了研究。主要工作如下:
　　1、提出一種二次檢測(cè)的改進(jìn)型目標(biāo)檢測(cè)算法。先利用OTSU準(zhǔn)則改進(jìn)VIBE背景建模算法,實(shí)現(xiàn)前景區(qū)域檢測(cè),再采用基于HOG特征的SVM分類(lèi)器對(duì)前景區(qū)域進(jìn)行二次檢測(cè),從而實(shí)現(xiàn)對(duì)相互粘連或者分裂目標(biāo)的精確分割。實(shí)驗(yàn)結(jié)果表明,本文算法可以有效解決原始VIBE算法無(wú)法解決的參數(shù)自適應(yīng)以及目標(biāo)之間相互粘連的問(wèn)題,具有良好的魯棒性,能夠

3、準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)。
　　2、提出一種基于軌跡優(yōu)化的多目標(biāo)跟蹤算法。首先利用檢測(cè)算法獲取的各個(gè)運(yùn)動(dòng)目標(biāo)的位置信息來(lái)建立各個(gè)目標(biāo)的初始運(yùn)動(dòng)軌跡,然后構(gòu)建了一個(gè)可以詳細(xì)描述當(dāng)前軌跡空間的能量函數(shù),該能量函數(shù)可以有效的懲罰錯(cuò)誤的軌跡配置并獎(jiǎng)勵(lì)合理的軌跡配置,接著,在總的能量函數(shù)不再增加的前提下對(duì)當(dāng)前軌跡空間進(jìn)行不斷的迭代優(yōu)化直至生成最終的準(zhǔn)確軌跡,最后通過(guò)回標(biāo)來(lái)完成多運(yùn)動(dòng)目標(biāo)跟蹤。實(shí)驗(yàn)結(jié)果表明,本文提出的方法可以有效解決多目標(biāo)跟蹤過(guò)程