復雜環(huán)境下基于多特征融合的目標跟蹤關鍵技術研究.pdf

1、視覺目標跟蹤(Visual Object Tracking, VOT)是計算機視覺、圖像處理和模式識別等領域研究的熱點之一，在智能視頻監(jiān)控、人機交互、智能交通、軍事制導和機器人導航定位等領域具有廣泛的應用。復雜環(huán)境下，受光照變化、相似背景、目標形變以及遮擋等因素的影響，對視覺目標進行精確、魯棒的實時跟蹤成為計算機視覺領域公認的難題。近年來，雖然國內外很多學者對目標跟蹤進行了深入研究，提出了許多優(yōu)秀算法，但仍然有很多關鍵技術問題沒有得到有

2、效解決，因此，設計一個實時性更高、魯棒性更好的視覺目標跟蹤系統(tǒng)，是當前軍事和民用領域的迫切需要。 本文在視覺目標跟蹤領域經典粒子濾波和均值偏移(Mean Shift)理論的基礎上，對基于多特征融合的目標跟蹤關鍵技術進行了系統(tǒng)研究。針對復雜環(huán)境下，目標跟蹤誤差較大、精度較低的難題，提出了基于特征描述能力度量的多特征自適應融合目標跟蹤方法，提高了復雜環(huán)境下目標跟蹤算法的魯棒性和精確性。
　　本研究主要內容包括：⑴提出了基于多特征融合目

3、標跟蹤框架的構建方案。通過對復雜環(huán)境下的目標跟蹤問題進行分析，建立了多特征融合目標跟蹤的總體框架和通用模型；通過引入特征描述能力度量函數，給出了基于特征描述能力度量的多特征融合策略，為實現不同跟蹤算法框架下的多特征融合跟蹤奠定了基礎。⑵提出了一種基于多特征自適應融合的粒子濾波目標跟蹤方法。針對基于單一特征和固定權值多特征目標模型跟蹤算法魯棒性較差的問題，提出一種基于特征可分性和穩(wěn)定性度量的多特征融合目標跟蹤算法。具體而言，在粒子濾波框架

4、下，根據跟蹤場景的變化，通過動態(tài)計算不同特征對目標和背景的可區(qū)分性和穩(wěn)定性，設置重要性權值并自適應選擇區(qū)分能力強、穩(wěn)定性好的特征描述目標，建立多特征融合目標模型。在狀態(tài)轉移過程中，給出了一種基于特征穩(wěn)定性度量的選擇性模板更新策略，并對遮擋進行了有效的處理。實驗結果表明，復雜場景下該方法具有更好的魯棒性和精確性。⑶提出了一種尺度和方向自適應的多特征融合Mean Shift目標跟蹤方法。經典Mean Shift算法僅使用顏色特征描述目標，缺

5、少目標模型的自適應更新，針對此問題，通過度量特征對目標和背景的區(qū)分能力、動態(tài)計算特征權值、自適應選擇高權值特征建立多特征融合目標模型，推導出了基于多特征融合的Mean Shift目標定位公式。依據特征權值的大小，提出了一種目標模板的異步更新策略，以減輕目標模型的漂移。針對Mean Shift算法使用固定的核函數帶寬，對目標尺度變化適應性較差的問題，在Mean Shift算法框架下引入了SIFT特征，使算法對目標模型尺度和方向的變化具有良

6、好的適應性。實驗結果證明，在目標姿態(tài)、尺度和方向發(fā)生較大變化以及遮擋等復雜環(huán)境下，所提方法優(yōu)于同類跟蹤算法。⑷提出了一種基于多特征自適應融合的分塊目標跟蹤方法。針對復雜環(huán)境下，基于全局特征模型的目標跟蹤算法容易丟失目標的情況，提出了一種基于局部敏感直方圖和超像素模型的自適應分塊目標跟蹤算法。該算法利用局部敏感直方圖特征和自適應分塊方法建立目標模型，提取局部敏感直方圖的亮度不變特征來抵制光照變化對目標模型的影響；針對局部敏感直方圖算法缺少