智能視頻監(jiān)控中目標跟蹤算法研究及應用.pdf

1、運動目標跟蹤是計算機視覺領域中最熱門的課題之一，在戰(zhàn)場偵察、智能視頻監(jiān)控、交通控制、人機交互等領域具有廣泛的應用前景，引起了國內外學者和工業(yè)界的重視，蘊含著廣泛的應用價值和較高的理論意義。
　　 當前學術界和工業(yè)界在目標跟蹤方面開展了大量工作，取得了一些成果，然而運動目標跟蹤仍然是模式識別領域的一個難點問題，目標物體角度、姿態(tài)、遠近距離變化、快速運動、以及遮擋等給魯棒在線跟蹤算法提出了苛刻的要求，單一算法很難有效處理所有問題，多

2、方法集成是實現魯棒在線跟蹤的一種有效手段。針對這些問題，本文完成了如下工作：
　　 1.重點研究了幾種目標跟蹤算法：Mean Shift跟蹤算法、基于在線boosting的跟蹤算法、基于粒子群優(yōu)化的跟蹤算法和基于模板匹配的跟蹤算法。對這幾種算法做了相關實驗，通過實驗結果，分析了各種算法的優(yōu)點和缺點。為本文算法的提出提供了相關的理論基礎。
　　 2.提出了一個集成on-line Boosting、基于歸一化互相關的模板匹配

3、法和粒子群優(yōu)化算法的自適應目標跟蹤算法框架。其中，on-line Boosting是基本的跟蹤算法；基于歸一化互相關的模板匹配有效地避免了on-line Boosting過多的錯誤更新；而基于粒子群優(yōu)化算法的跟蹤策略提高了系統(tǒng)對快速運動、外觀變化的適應能力，同時也為模板的更新提供了保障，三種算法形成了有效互補，在穩(wěn)定性和可塑性之間達到了一種平衡。在不同視頻測試序列上的實驗結果表明，本文算法有效地緩解了自適應性和“漂移”之間的矛盾，能夠實