視覺(jué)目標(biāo)跟蹤中表觀建模方法研究.pdf

1、視覺(jué)目標(biāo)跟蹤（Visual Object Tracking）是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的重要課題之一，在智能交通、視頻監(jiān)控、人機(jī)交互、智能導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用。典型的視覺(jué)目標(biāo)跟蹤算法主要由表觀建模、目標(biāo)狀態(tài)搜索和表觀模型更新三個(gè)部分組成，其中表觀建模處于核心地位，直接影響目標(biāo)跟蹤效果。盡管研究者提出了大量針對(duì)視覺(jué)目標(biāo)跟蹤的表觀建模方法，然而設(shè)計(jì)一個(gè)適用于實(shí)際應(yīng)用中各種復(fù)雜跟蹤環(huán)境的魯棒表觀模型，仍然是目標(biāo)跟蹤領(lǐng)域的難點(diǎn)問(wèn)題之一。本文

2、從多特征融合精度、遮擋的檢測(cè)與處理、表觀模型的穩(wěn)定性和判別性以及多目標(biāo)跟蹤中不同目標(biāo)物的有效區(qū)分等方面對(duì)表觀建模方法展開(kāi)研究與討論，主要研究?jī)?nèi)容包括以下四點(diǎn)：
　　基于多特征融合的表觀建模方法研究。多特征融合方法是表觀建模的常用方法，其核心問(wèn)題是如何準(zhǔn)確評(píng)估不同特征對(duì)目標(biāo)的描述能力，從而在目標(biāo)跟蹤過(guò)程中自適應(yīng)調(diào)整特征融合權(quán)重，利用特征之間的互補(bǔ)性提高表觀模型的魯棒性。為了提高多特征融合方法中特征融合的精度，本文提出了一種基于局部核

3、加權(quán)的多特征融合表觀建模方法。將目標(biāo)區(qū)域分解為多層次的子圖像塊，在每個(gè)子圖像塊上分別提取背景加權(quán)特征直方圖，以子圖像塊為單位調(diào)整特征間的融合權(quán)重。該方法突出了圖像特征對(duì)目標(biāo)局部區(qū)域的描述能力，提高了目標(biāo)整體表觀模型的特征融合精度。實(shí)驗(yàn)結(jié)果表明所提出的方法相比于傳統(tǒng)的多特征融合方法具有更好的跟蹤精度和穩(wěn)定性。
　　目標(biāo)跟蹤過(guò)程中的遮擋檢測(cè)與處理方法。遮擋一直是視覺(jué)目標(biāo)跟蹤中的一個(gè)難點(diǎn)問(wèn)題。本文針對(duì)基于稀疏表示的目標(biāo)跟蹤方法中普遍采用

4、的單位噪聲矩陣對(duì)目標(biāo)遮擋描述能力較差的問(wèn)題，提出了一種局部稀疏表示表觀模型對(duì)目標(biāo)遮擋區(qū)域進(jìn)行檢測(cè)。以此為基礎(chǔ)，在候選觀測(cè)似然計(jì)算過(guò)程中以及目標(biāo)觀測(cè)模板更新過(guò)程中，顯式地對(duì)遮擋區(qū)域進(jìn)行限制與修正，在一定程度上減輕了遮擋對(duì)目標(biāo)跟蹤定位的負(fù)面影響。實(shí)驗(yàn)結(jié)果表明，所提出的方法對(duì)目標(biāo)跟蹤過(guò)程中的各種遮擋情況具有較好的魯棒性。
　　基于稀疏編碼的表觀建模方法研究。在前面的方法中，我們利用稀疏表示對(duì)目標(biāo)局部圖像塊的表觀特征進(jìn)行描述，取得了較好的

5、遮擋檢測(cè)效果。然而該方法只考慮了如何有效地對(duì)目標(biāo)的局部圖像特征進(jìn)行描述，并沒(méi)有考慮局部特征之間的空間結(jié)構(gòu)信息對(duì)目標(biāo)的描述能力，以及局部特征對(duì)目標(biāo)表示的判別能力。為了提高表觀模型的穩(wěn)定性和判別能力，本文提出了一種基于判別式稀疏編碼的表觀模型。首先，提出一種判別式基函數(shù)學(xué)習(xí)方法，使得局部圖像塊的稀疏編碼系數(shù)向量對(duì)目標(biāo)和背景具有更好的區(qū)分度。然后，將所有局部圖像塊的稀疏編碼向量按照結(jié)構(gòu)化方式進(jìn)行聚集，生成目標(biāo)整體特征向量。并在聚集過(guò)程中，提出

6、了一種基于特征維度可分性統(tǒng)計(jì)的降維方法，對(duì)稀疏編碼向量中的噪聲進(jìn)行過(guò)濾，從而進(jìn)一步提高整體目標(biāo)特征向量的類(lèi)間區(qū)分度。最后，將目標(biāo)跟蹤問(wèn)題轉(zhuǎn)化為一個(gè)二分類(lèi)問(wèn)題實(shí)現(xiàn)目標(biāo)定位。實(shí)驗(yàn)結(jié)果表明，所提出的方法對(duì)光照變化、嚴(yán)重遮擋、混亂背景等復(fù)雜跟蹤環(huán)境具有較好的適應(yīng)力。
　　多目標(biāo)跟蹤中的表觀建模方法研究。在對(duì)單目標(biāo)跟蹤任務(wù)中表觀建模方法進(jìn)行了研究與討論的基礎(chǔ)上，我們將研究?jī)?nèi)容擴(kuò)展到多目標(biāo)跟蹤任務(wù)中。相比于單目標(biāo)跟蹤，多目標(biāo)跟蹤更為復(fù)雜。除了

7、要應(yīng)對(duì)來(lái)自目標(biāo)自身和外界環(huán)境的各種變化以外，多個(gè)跟蹤目標(biāo)之間經(jīng)常出現(xiàn)的相互遮擋和交替并行等情況，使得多目標(biāo)跟蹤面臨著更大的挑戰(zhàn)。為了解決多目標(biāo)跟蹤中由于目標(biāo)物外觀相似、空間距離相近等因素造成的目標(biāo)之間區(qū)分困難的問(wèn)題，本文提出了一種基于SRC（Sparse Representation based Classification）和MFH（Multiple Features Hashing）的聯(lián)合表觀模型。首先，將多個(gè)目標(biāo)物的區(qū)分問(wèn)題轉(zhuǎn)化為