基于軌跡關(guān)聯(lián)的多目標跟蹤.pdf

1、目標跟蹤技術(shù)是計算機視覺與模式識別領(lǐng)域研究的一個重要課題，近年來，受到了國內(nèi)外學者的普遍關(guān)注，具有廣泛的應(yīng)用前景。本文從目標檢測和目標關(guān)聯(lián)兩個方面進行研究，針對復雜場景中具有的雜波、目標間的連續(xù)遮擋、不同目標具有相似外貌特征、目標運動方向突變等跟蹤問題，提出了具有較好魯棒性的解決方法。
　　本文提出一種基于統(tǒng)計背景模型的目標檢測方法。該方法針對光照變化運用自適應(yīng)高斯混合模型，構(gòu)建基于全局信息的背景統(tǒng)計模型；針對動態(tài)變化，在對背景圖

2、像基于自整定譜聚類的基礎(chǔ)上，通過核密度估計方式，構(gòu)建基于局部信息的背景統(tǒng)計模型。實驗表明，本文提出的目標檢測方法能在光照與動態(tài)擾動情況下，構(gòu)建出一種穩(wěn)健的背景模型，從而實現(xiàn)對前景目標的精確檢測。
　　本文重點介紹了一種基于軌跡關(guān)聯(lián)的多目標跟蹤算法。該算法通過兩種不同的關(guān)聯(lián)策略，生成目標的全局與局部軌跡，實現(xiàn)對多個目標的跟蹤。在實際運用中，本文首先使用基于場景自適應(yīng)方式的局部軌跡生成方法，將新輸入的檢測響應(yīng)與原有軌跡進行關(guān)聯(lián)。該方法

3、以特征的可靠性度量建立分層的特征空間，采取自適應(yīng)地分階關(guān)聯(lián)策略生成局部軌跡；在全局軌跡關(guān)聯(lián)階段，本文提出一種新的基于判別性表觀模型學習算法。在這個新的算法中，本文從軌跡片段中提取在線訓練樣本，并且通過這個收集到的訓練樣本運用增量線性判別分析更新判別投影空間。通過將軌跡的表觀模型投影到判別性投影空間中，我們能使軌跡的表觀特征更具區(qū)別性，實現(xiàn)對全局軌跡的關(guān)聯(lián)；在軌跡生成的后續(xù)階段，為了最終獲得完整且平滑的軌跡，本文采用了一種基于非線性運動模