基于粒子濾波器的視頻目標(biāo)跟蹤關(guān)鍵技術(shù)及其應(yīng)用研究.pdf

1、視頻圖像序列的目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的熱點(diǎn)問(wèn)題之一，廣泛地應(yīng)用在視頻監(jiān)控、體育視頻戰(zhàn)術(shù)分析和訓(xùn)練、智能人機(jī)交互等領(lǐng)域。視頻目標(biāo)跟蹤的研究目的是模擬人類(lèi)視覺(jué)運(yùn)動(dòng)感知功能，賦予機(jī)器辨識(shí)序列圖像中運(yùn)動(dòng)目標(biāo)的能力，為視頻分析和理解提供重要的數(shù)據(jù)依據(jù)。視頻中，復(fù)雜的背景、光照變化、目標(biāo)相互遮擋、目標(biāo)交錯(cuò)、目標(biāo)姿態(tài)變化等許多干擾因素，使目標(biāo)跟蹤成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)非常困難的問(wèn)題。盡管很多研究者在本領(lǐng)域進(jìn)行了較廣泛的研究，并提出了許多有效的

2、跟蹤方法，但是仍有很多關(guān)鍵問(wèn)題沒(méi)有解決，迫切需要成熟穩(wěn)定的關(guān)鍵技術(shù)和方法。
　　本文針對(duì)在視頻目標(biāo)跟蹤中受到研究人員廣泛關(guān)注的粒子濾波器算法的各個(gè)關(guān)鍵技術(shù)，為解決復(fù)雜跟蹤條件，目標(biāo)變化外觀等難題，重點(diǎn)研究了遮擋情況下的目標(biāo)跟蹤算法，精確的目標(biāo)定位方法，以及具有變化外觀的目標(biāo)表示方法等關(guān)鍵問(wèn)題。主要研究成果包括：
　　（1）多區(qū)域聯(lián)合粒子濾波器算法
　　提出把目標(biāo)表示為多個(gè)關(guān)鍵區(qū)域，并構(gòu)建聯(lián)合粒子濾波器完成多個(gè)區(qū)域的聯(lián)合

3、跟蹤，來(lái)解決遮擋問(wèn)題。采用這種多區(qū)域聯(lián)合跟蹤的思路，若某一子區(qū)域發(fā)生遮擋，則其狀態(tài)可由其它子區(qū)域聯(lián)合預(yù)測(cè)。算法通過(guò)基于多區(qū)域無(wú)向圖的聯(lián)合運(yùn)動(dòng)模型，構(gòu)造聯(lián)合粒子濾波器，其中，采用馬爾可夫鏈蒙特卡洛方法取代重要性采樣,并運(yùn)用區(qū)域關(guān)聯(lián)的觀測(cè)評(píng)估策略對(duì)目標(biāo)狀態(tài)進(jìn)行聯(lián)合預(yù)測(cè)，從而完成遮擋情況下目標(biāo)的穩(wěn)定跟蹤。與采用單個(gè)區(qū)域進(jìn)行粒子濾波跟蹤的方法相比，本文提出的算法在具有較長(zhǎng)時(shí)間部分和全部遮擋的跟蹤問(wèn)題上，取得了較好的實(shí)驗(yàn)結(jié)果。
　?。?）概

4、率預(yù)測(cè)與分類(lèi)結(jié)合的目標(biāo)跟蹤定位方法
　　針對(duì)粒子濾波器對(duì)目標(biāo)狀態(tài)預(yù)測(cè)精度較差的問(wèn)題，提出將其與基于分類(lèi)的目標(biāo)定位相結(jié)合來(lái)完成目標(biāo)跟蹤定位的方法。算法中，通過(guò)粒子濾波器預(yù)測(cè)出目標(biāo)的狀態(tài)之后，對(duì)其所在的區(qū)域采用分類(lèi)器進(jìn)行進(jìn)一步的精確定位。該方法，在初始幀構(gòu)造前景背景聯(lián)合直方圖來(lái)形成正負(fù)樣本，提供給初始支持向量機(jī)進(jìn)行訓(xùn)練。在視頻序列的每個(gè)圖像幀運(yùn)用基本粒子濾波器預(yù)測(cè)目標(biāo)的近似狀態(tài)，形成一個(gè)待匹配區(qū)域，然后運(yùn)用前一幀得到的支持向量機(jī)對(duì)該區(qū)

5、域的像素進(jìn)行分類(lèi)，從而定位目標(biāo)位置。并在每幀不斷更新支持向量機(jī)，以使其能適應(yīng)跟蹤條件的不斷變化。提出的方法與粒子濾波器的狀態(tài)估計(jì)方法和基于分類(lèi)的目標(biāo)定位方法相比，提高了跟蹤的精度。
　?。?）粒子濾波器中自適應(yīng)多特征融合的目標(biāo)外觀特征表示方法
　　為了適應(yīng)跟蹤條件的變化，本文對(duì)目標(biāo)表示方法提出自適應(yīng)權(quán)值的多特征融合策略，并對(duì)自適應(yīng)權(quán)值的調(diào)整給出了三種算法。其一，通過(guò)對(duì)粒子濾波器粒子分布的分析，設(shè)計(jì)了逐幀調(diào)整權(quán)重的方法。其二，

6、通過(guò)對(duì)人類(lèi)視覺(jué)特性的分析，提出了主從式的權(quán)值調(diào)整策略。其三，考慮到權(quán)值變化在時(shí)間序列上的連續(xù)性，設(shè)計(jì)了一種權(quán)值跟蹤算法。所提出的三種權(quán)值更新方法，為跟蹤算法的精度和魯棒性提供了穩(wěn)定可靠的基礎(chǔ)。在具有不同跟蹤條件的視頻數(shù)據(jù)上的測(cè)試結(jié)果表明，這種基于自適應(yīng)權(quán)值的多特征融合策略與現(xiàn)有的融合方法相比，取得了明顯的改進(jìn)。
　　（4）短道速滑滑行數(shù)據(jù)測(cè)量系統(tǒng)
　　本文將所提出的多區(qū)域聯(lián)合粒子濾波器算法應(yīng)用于短道速滑的滑行數(shù)據(jù)測(cè)量系統(tǒng)，實(shí)