視頻多目標跟蹤方法研究.pdf

1、近年來，隨著科研人員研究的深入，視頻目標檢測與跟蹤理論日益成熟。其主要任務(wù)是對視頻圖像序列中的目標進行處理和分析，從中提取目標的有用信息，自動的識別目標、預(yù)測并提取目標位置信息以及跟蹤目標運動。視頻目標檢測與跟蹤技術(shù)在人機交互、虛擬現(xiàn)實、醫(yī)學(xué)診斷、智能交通等領(lǐng)域有著重要的應(yīng)用。因此，視頻目標檢測與跟蹤技術(shù)具有重要的研究意義和應(yīng)用價值。
　　目前，視頻目標檢測與跟蹤技術(shù)在實際應(yīng)用中還存在著一些問題，如運動平臺下的跟蹤問題、目標數(shù)目變

2、化的多目標檢測與跟蹤問題、目標遮擋問題等，使得視頻目標檢測與跟蹤技術(shù)有著很高的難度，十分具有挑戰(zhàn)性。
　　本文針對運動平臺下的多目標檢測與跟蹤問題進行了研究。在研究傳統(tǒng)的目標檢測和目標跟蹤方法的基礎(chǔ)上，針對運動平臺、多個目標、檢測目標時間過長和目標局部遮擋出現(xiàn)跟蹤漂移和丟失目標等問題，提出一種基于Haar-like特征檢測和壓縮特征融合的運動平臺多目標檢測與跟蹤算法，對運動平臺下的多目標檢測目標Haar-like特征的提取與描述、

3、目標位置的提取、目標壓縮特征的提取及壓縮特征的融合等幾個方面進行了研究。論文分為目標檢測和目標跟蹤兩個部分。
　　在目標檢測部分，介紹了幾種經(jīng)典的目標檢測方法，如靜態(tài)背景下的幀差法、背景減除法、運動場估計法和動態(tài)背景下的 HOG特征檢測、LBP特征檢測及Haar-like特征檢測，并對幾種方法進行了優(yōu)缺點比較。本文自建了人臉圖像數(shù)據(jù)庫和車輛圖像數(shù)據(jù)庫，用于訓(xùn)練目標檢測分類器。本文使用Haar-like特征檢測來進行目標檢測，實驗結(jié)

4、果表明，該方法能快速、準確地檢測到視頻圖像序列中的多個目標候選區(qū)域，為后續(xù)的目標跟蹤打下了良好的基礎(chǔ)。
　　在目標跟蹤部分，介紹了幾種現(xiàn)在主流的目標跟蹤方法，如LK光流跟蹤法、Meanshift跟蹤法、TLD跟蹤法及壓縮跟蹤法。本文在壓縮跟蹤算法的基礎(chǔ)上提出了改進，在壓縮跟蹤階段的特征提取過程中，利用壓縮感知理論對目標的特征進行壓縮降維，減小了數(shù)據(jù)處理量，提高了跟蹤速度，并且提出了一種壓縮特征融合的跟蹤方法，在局部遮擋發(fā)生時能夠大