基于AdaBoost多顏色空間學(xué)習(xí)的目標(biāo)跟蹤算法研究.pdf

1、計(jì)算機(jī)視覺(jué)是當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn)之一,而人類(lèi)視覺(jué)的一個(gè)關(guān)鍵作用是對(duì)于運(yùn)動(dòng)物體的跟蹤,現(xiàn)實(shí)生活中有大量的信息包含在運(yùn)動(dòng)中,所以對(duì)于運(yùn)動(dòng)物體的跟蹤已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域重要的研究方向。運(yùn)動(dòng)目標(biāo)的跟蹤研究涉及到模式識(shí)別,圖像處理,機(jī)器學(xué)習(xí),信號(hào)處理,統(tǒng)計(jì)學(xué),最優(yōu)化方法等諸多領(lǐng)域,對(duì)于目標(biāo)跟蹤的研究有著重要的理論價(jià)值,而且由于視頻跟蹤系統(tǒng)的廣泛應(yīng)用,對(duì)于運(yùn)動(dòng)目標(biāo)的精確跟蹤在人機(jī)交互,交通導(dǎo)航,基于運(yùn)動(dòng)的目標(biāo)識(shí)別,智能監(jiān)控,視頻壓縮,武器制

2、導(dǎo)等領(lǐng)域都具有重要的實(shí)際意義。
　　所謂運(yùn)動(dòng)目標(biāo)的跟蹤,就是指在視頻中對(duì)于目標(biāo)運(yùn)動(dòng)的軌跡進(jìn)行估計(jì),已經(jīng)有很多研究人員在這方面做了大量的工作,但是由于現(xiàn)實(shí)場(chǎng)景的復(fù)雜性,比如凌亂的背景,大范圍的遮擋,以及目標(biāo)本身表觀(guān)的變化,比如目標(biāo)姿態(tài)和尺度的變化,這些工作往往只能夠解決特定場(chǎng)景下的特定問(wèn)題,難以在實(shí)際應(yīng)用中取得理想的效果,因此要想得到一個(gè)魯棒的跟蹤算法,還有大量的工作要做。
　　在本文中,我們主要著眼于如何獲取目標(biāo)和背景之間的

3、具有判別能力的信息來(lái)對(duì)目標(biāo)進(jìn)行表觀(guān)建模,以及在跟蹤的過(guò)程中如何有效地利用這些信息。在本文中,我們通過(guò)多顏色空間的方法來(lái)獲取目標(biāo)和背景之間的判別性信息,然后通過(guò)AdaBoost學(xué)習(xí)的方法來(lái)對(duì)這些信息進(jìn)行學(xué)習(xí),最后分別在MeanShift方法和粒子方法方法中進(jìn)行了應(yīng)用。本文的主要研究?jī)?nèi)容如下:
　　第一,提出了一種在MeanShift框架下點(diǎn)的權(quán)重的計(jì)算方法,算法利用AdaBoost方法對(duì)多顏色空間學(xué)習(xí)得到的強(qiáng)分類(lèi)器對(duì)于目標(biāo)區(qū)域中的每