視頻目標(biāo)跟蹤算法研究及應(yīng)用.pdf

1、智能視頻監(jiān)控是計(jì)算機(jī)視覺(jué)的重要研究方向，在公共安全、政府、金融及教育等領(lǐng)域具有廣闊的應(yīng)用前景。智能視頻監(jiān)控是在不需要人為干預(yù)的情況下，利用圖像處理、機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)等領(lǐng)域的技術(shù)對(duì)視頻進(jìn)行分析，自動(dòng)實(shí)現(xiàn)目標(biāo)的檢測(cè)、跟蹤與識(shí)別，并在此基礎(chǔ)上實(shí)現(xiàn)更高層的行為理解與描述。目標(biāo)跟蹤是智能視頻監(jiān)控中的關(guān)鍵技術(shù)，是目標(biāo)識(shí)別和行為理解的基礎(chǔ)，具有廣泛的應(yīng)用價(jià)值和較高的理論意義。
　　 目前學(xué)術(shù)界和工業(yè)界在目標(biāo)跟蹤方面做了大量研究，提出了不少

2、有價(jià)值的算法，其中Mean Shift以其簡(jiǎn)單、實(shí)用、實(shí)時(shí)等特點(diǎn)得到了廣泛的使用。不過(guò)，該算法仍然存在不足，比如當(dāng)出現(xiàn)背景和目標(biāo)相似、嚴(yán)重的局部遮擋等問(wèn)題時(shí)會(huì)失效。針對(duì)這些問(wèn)題本文開展了如下工作：
　　 1.針對(duì)Mean Shift存在的不足提出了一種快速有效的目標(biāo)跟蹤算法-MAPSpatial Pyramid Mean Shift。該算法一方面有效地把背景信息融合到MeanShift跟蹤框架內(nèi)，提高了目標(biāo)與背景的區(qū)分能力；另一

3、方面，在跟蹤過(guò)程中對(duì)目標(biāo)進(jìn)行動(dòng)態(tài)分塊，保留了目標(biāo)的幾何結(jié)構(gòu)信息。實(shí)驗(yàn)證明該算法能夠在保證實(shí)時(shí)性的條件下，有效地解決背景與目標(biāo)相似以及嚴(yán)重的局部遮擋等問(wèn)題。
　　 2.研究了基于局部特征的目標(biāo)跟蹤算法。針對(duì)傳統(tǒng)局部特征描述子SIFT復(fù)雜度高提出了一種新的局部特征描述子，并把它融合到MAP Spatial PyramidMean Shift算法中。該局部特征描述子結(jié)構(gòu)簡(jiǎn)單，并較好的保持了原有描述子的特性。實(shí)驗(yàn)證明該算法在不影響實(shí)時(shí)性