圖像非剛體跟蹤算法的研究與分析.pdf

1、運動目標跟蹤技術(shù)是計算機視覺中一項具有重要意義的課題。對于圖像序列中的運動目標進行跟蹤在許多領(lǐng)域都有著重要的應(yīng)用，如醫(yī)療、數(shù)字影像監(jiān)控、導(dǎo)彈制導(dǎo)及智能交通系統(tǒng)等。
　　 圖像跟蹤方法大致可分為兩大類：概率跟蹤方法和確定性跟蹤方法。確定性跟蹤方法效率高，跟蹤性能穩(wěn)定，準確度高，Mean Shift算法是這類方法的典型代表，該方法首先對某幀圖像中的目標對象進行核函數(shù)空域加權(quán)的像素直方圖特征提取。通過核函數(shù)的空域加權(quán)，便可獲得能夠進行

2、梯度優(yōu)化的空域連續(xù)可導(dǎo)相似函數(shù)，從而也將目標對象的定位問題等價變換為在空域中求最優(yōu)解的問題。該方法采用概率密度函數(shù)之間的Bhattacharyya系數(shù)作為評價函數(shù)以表示目標對象模式與搜索對象模式之間匹配程度。最后，通過Mean ShiR算法在空域?qū)ο嗨瞥潭惹笞顑?yōu)解，找到與目標對象模式最相似的搜索對象模式，從而完成目標對象的定位。概率跟蹤卡爾曼濾波和粒子濾波是這類方法的典型代表?？柭鼮V波對系統(tǒng)模型和后驗分布有嚴格限制，只能處理線性、高斯

3、、單模態(tài)的情況，而在圖像跟蹤應(yīng)用中，后驗概率的分布往往是非線性、非高斯、多模態(tài)的，因此卡爾曼濾波的應(yīng)用受到一定的限制。與卡爾曼濾波不同，粒子濾波對于系統(tǒng)模型沒有特殊要求，而且能夠保持狀態(tài)的多模態(tài)分布，不易受雜波的影響，在跟蹤領(lǐng)域得到了很大發(fā)展。但常規(guī)粒子濾波跟蹤算法存在計算量大、采樣效率低等問題，而且由于實際跟蹤場景的復(fù)雜性，給常規(guī)粒子濾波跟蹤算法提出了很大的挑戰(zhàn)。
　　 本論文針對囝像跟蹤算法中的若干重要環(huán)節(jié)：跟蹤對象表征模型