基于視覺(jué)跟蹤的人機(jī)交互技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，視覺(jué)跟蹤技術(shù)得到了廣泛的應(yīng)用，基于視覺(jué)的人機(jī)交互技術(shù)是人工智能、機(jī)器人技術(shù)等領(lǐng)域近年來(lái)的研究熱點(diǎn)?；谝曈X(jué)跟蹤的人機(jī)交互技術(shù)也出現(xiàn)了很多新的方法，但是其中很多方法只能處理簡(jiǎn)單背景下的跟蹤交互，不理想的跟蹤結(jié)果嚴(yán)重影響了人機(jī)交互過(guò)程，易出現(xiàn)延遲、目標(biāo)丟失等問(wèn)題。目前，實(shí)現(xiàn)復(fù)雜背景下視覺(jué)跟蹤交互是一種研究趨勢(shì)，對(duì)人機(jī)交互技術(shù)的發(fā)展也起到了重要作用。因此，開(kāi)展基于視覺(jué)跟蹤的人機(jī)交互技術(shù)研究具有重要意義。
　　本

2、文針對(duì)視覺(jué)算法改進(jìn)和人機(jī)交互平臺(tái)構(gòu)建進(jìn)行了以科普展品為背景的關(guān)鍵技術(shù)研究與系統(tǒng)實(shí)現(xiàn)。首先，在視頻對(duì)象分割算法設(shè)計(jì)方面有三方面的改進(jìn):第一，在對(duì)視覺(jué)交互特點(diǎn)進(jìn)行全面分析的基礎(chǔ)上，采用幀間差分方法獲得運(yùn)動(dòng)目標(biāo)，實(shí)現(xiàn)自然人機(jī)交互;第二，鑒于幀間差分方法分割效果不理想，本文在水平集分割方法中引入內(nèi)部約束能量項(xiàng)和局部自適應(yīng)能量函數(shù)，解決了重新初始化的問(wèn)題，提高了水平集方法的適應(yīng)性;第三，針對(duì)視覺(jué)交互圖像干擾性強(qiáng)，輪廓模糊，易造成目標(biāo)邊緣分割不清楚

3、和過(guò)分割的問(wèn)題，提出了基于信息融合的水平集分割方法，克服了傳統(tǒng)方法漏分割和過(guò)分割的缺點(diǎn)，獲得良好的分割效果。其次，在跟蹤算法設(shè)計(jì)方面有兩方面的改進(jìn):第一，針對(duì)TLD(Tracking Learning Detecting)算法中跟蹤器采用的LK光流法無(wú)法捕捉較大運(yùn)動(dòng)問(wèn)題，本文采用金字塔光流法，實(shí)現(xiàn)了較大運(yùn)動(dòng)的目標(biāo)跟蹤;第二，針對(duì)隨機(jī)森林無(wú)法進(jìn)行隨機(jī)分裂問(wèn)題，本文采用極端隨機(jī)森林方法的思想，引入混合樣本比，構(gòu)成極端隨機(jī)森林在線學(xué)習(xí)模型，提