視頻目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的核心問(wèn)題，在民用和軍事上都具有廣泛地應(yīng)用，如智能監(jiān)控、人機(jī)交互、機(jī)器人導(dǎo)航、醫(yī)學(xué)診斷以及精確制導(dǎo)武器等，近十幾年隨著信息技術(shù)的快速發(fā)展，目標(biāo)跟蹤吸引了眾多研究者的關(guān)注，成為熱點(diǎn)研究問(wèn)題。盡管人們已經(jīng)提出了許多有效的視頻目標(biāo)跟蹤算法，但是在實(shí)際應(yīng)用中視頻目標(biāo)跟蹤仍然面臨許多困難，如光照變化、目標(biāo)姿態(tài)的改變、非線性形變以及背景中的噪聲和干擾等，因此設(shè)計(jì)魯棒的視頻目標(biāo)跟蹤算法仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

2、本文從視頻跟蹤算法的兩個(gè)主要方面：濾波器設(shè)計(jì)和目標(biāo)外觀模型設(shè)計(jì)，開(kāi)展了深入的研究，并針對(duì)視頻目標(biāo)跟蹤中的難點(diǎn)問(wèn)題，提出了一些有效的新方法。 1.提出了一種基于顏色特征和自適應(yīng)卡爾曼濾波的視頻目標(biāo)跟蹤算法。該算法首先根據(jù)目標(biāo)主要顏色的分布建立目標(biāo)模型，能夠用較少的參數(shù)對(duì)目標(biāo)進(jìn)行準(zhǔn)確的描述，其性能優(yōu)于常用的基于直方圖的目標(biāo)模型。其次，將卡爾曼濾波應(yīng)用于目標(biāo)跟蹤中，并根據(jù)遮擋情況自適應(yīng)調(diào)整濾波器參數(shù)，提高了跟蹤算法的魯棒性。實(shí)驗(yàn)表明該

3、算法在目標(biāo)外觀變化、遮擋等情況下能夠取得較好的跟蹤效果。 2.針對(duì)基于顏色分布的目標(biāo)模型完全忽略了空間信息，難以準(zhǔn)確跟蹤目標(biāo)尺度變化的缺點(diǎn)，提出了一種基于空間約束顏色模型的概率目標(biāo)跟蹤算法。該算法構(gòu)造了一種能夠同時(shí)反映目標(biāo)顏色分布和空間結(jié)構(gòu)的空間約束顏色模型，提高了模型的分辨能力。同時(shí)，本文將空間約束顏色模型與粒子濾波相結(jié)合，顯著增強(qiáng)了跟蹤算法的抗干擾能力。實(shí)驗(yàn)表明在目標(biāo)具有明顯尺度變化、姿態(tài)改變和部分遮擋的情況下，該算法可以獲

4、得準(zhǔn)確和魯棒的跟蹤結(jié)果。 3.為了適應(yīng)在跟蹤過(guò)程中目標(biāo)外觀的變化，提出了一種基于粒子濾波的目標(biāo)模型更新算法。該算法利用目標(biāo)狀態(tài)的后驗(yàn)概率密度函數(shù)的分布和目標(biāo)的外觀變化測(cè)度估計(jì)跟蹤的可靠性，僅在可靠跟蹤時(shí)進(jìn)行模型更新，有效地避免了更新過(guò)程導(dǎo)致的模型漂移問(wèn)題，顯著提高了跟蹤算法的魯棒性。 4.提出了一種基于團(tuán)塊模型的目標(biāo)跟蹤算法。該算法通過(guò)在圖像序列中連續(xù)地分割出目標(biāo)的團(tuán)塊特征，并利用團(tuán)塊匹配的方法進(jìn)行目標(biāo)跟蹤?；趫F(tuán)塊的目

5、標(biāo)模型包含了目標(biāo)的顏色、空間、形狀等信息，能夠較詳細(xì)描述目標(biāo)的外觀結(jié)構(gòu)，因此在跟蹤中可以避免干擾物的影響。實(shí)驗(yàn)表明該算法能夠有效實(shí)現(xiàn)復(fù)雜場(chǎng)景下的目標(biāo)跟蹤。 5.針對(duì)紅外圖像信噪比低、對(duì)比度差、目標(biāo)容易受到干擾等問(wèn)題，提出了一種基于自適應(yīng)特征選擇的紅外目標(biāo)跟蹤算法。該算法通過(guò)分析目標(biāo)及其周?chē)尘暗幕叶忍卣?，選擇能夠有效區(qū)分目標(biāo)和背景的灰度對(duì)目標(biāo)建模，然后利用Mean Shift方法進(jìn)行跟蹤。通過(guò)實(shí)時(shí)更新目標(biāo)特征，該算法在目標(biāo)和背景