復(fù)雜背景下目標(biāo)檢測(cè)與跟蹤算法研究.pdf

1、目標(biāo)檢測(cè)和跟蹤是計(jì)算機(jī)視覺(jué)的重要研究領(lǐng)域。在民用和軍用方面都具有很廣闊的應(yīng)用前景。目標(biāo)檢測(cè)是通過(guò)對(duì)圖像序列的分析，將目標(biāo)區(qū)域從圖像中識(shí)別出來(lái);目標(biāo)跟蹤通過(guò)對(duì)圖像序列中的目標(biāo)進(jìn)行數(shù)據(jù)算法分析，預(yù)測(cè)目標(biāo)在下一幀的位置，從而生成目標(biāo)的運(yùn)動(dòng)軌跡。近年來(lái)隨著計(jì)算機(jī)技術(shù)的發(fā)展，目標(biāo)檢測(cè)和跟蹤技術(shù)成為了熱點(diǎn)研究問(wèn)題。雖然學(xué)者們?cè)谶@個(gè)領(lǐng)域提出了各種各樣的算法，但是由于各種復(fù)雜的背景問(wèn)題，例如光照變化、動(dòng)態(tài)背景、運(yùn)動(dòng)目標(biāo)形變、尺度變化、遮擋等，仍然沒(méi)有一

2、個(gè)方法可以適用于任何場(chǎng)景。所以目標(biāo)檢測(cè)和跟蹤算法的研究依然具有重要意義。
　　在目標(biāo)檢測(cè)方面，論文重點(diǎn)介紹了基于運(yùn)動(dòng)分析的檢測(cè)方法和基于統(tǒng)計(jì)學(xué)習(xí)的檢測(cè)方法?；谶\(yùn)動(dòng)分析的檢測(cè)方法主要有幀差法、背景差分法、光流法等，通過(guò)實(shí)驗(yàn)可以證實(shí)這類方法可以較好的檢測(cè)運(yùn)動(dòng)目標(biāo)，但是局限于目標(biāo)與背景發(fā)生相對(duì)運(yùn)動(dòng)的場(chǎng)景?；诮y(tǒng)計(jì)學(xué)習(xí)的檢測(cè)方法主要運(yùn)用分類器技術(shù)。論文采用了隨機(jī)蕨叢分類器，運(yùn)用2bitBP特征描述，通過(guò)樣本采集、分類器訓(xùn)練、分類器測(cè)試等

3、步驟將隨機(jī)蕨叢算法運(yùn)用到航拍視頻序列的目標(biāo)定位上。實(shí)驗(yàn)結(jié)果表明，隨機(jī)蕨叢算法檢測(cè)率較高，在復(fù)雜背景下也有較高的適應(yīng)性。
　　在目標(biāo)跟蹤方面，論文對(duì)傳統(tǒng)的粒子濾波跟蹤算法進(jìn)行了改進(jìn)。論文融合了HOG和顏色兩大特征作為目標(biāo)對(duì)象的特征描述，在跟蹤過(guò)程中能夠更好的表示目標(biāo)對(duì)象;為了提高跟蹤的魯棒性，并且能夠有效的應(yīng)對(duì)遮擋現(xiàn)象，論文引入了一種基于時(shí)空上下文信息的目標(biāo)外觀模型，并且改進(jìn)了模型更新方案;對(duì)于跟蹤過(guò)程中出現(xiàn)的目標(biāo)對(duì)象尺度變化，論文