霍夫森林框架下的多目標(biāo)檢測(cè)與跟蹤算法研究.pdf

1、視頻目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域的核心問題，一直得到廣泛的研究與關(guān)注，這主要是因?yàn)樵摲较蛟诂F(xiàn)實(shí)的諸多領(lǐng)域都有廣泛的應(yīng)用，例如視頻監(jiān)控、醫(yī)學(xué)診斷以及虛擬現(xiàn)實(shí)等。因此，對(duì)跟蹤算法的研究具有重要理論價(jià)值和實(shí)際意義。本文以智能視頻監(jiān)控系統(tǒng)為研究背景，在霍夫森林框架的算法的基礎(chǔ)上，針對(duì)樣本篩選、目標(biāo)搜索等問題進(jìn)行了深入研究，并在此基礎(chǔ)上構(gòu)建了一個(gè)魯棒的、準(zhǔn)確的多人體目標(biāo)跟蹤系統(tǒng)。本文的主要研究?jī)?nèi)容如下：
　　(1)針對(duì)傳統(tǒng)霍夫森林算法

2、中背景與目標(biāo)顏色相似時(shí)可能導(dǎo)致跟蹤失敗的問題，提出了一種改進(jìn)的在線霍夫森林跟蹤算法。在每幀圖像檢測(cè)完成后，對(duì)提取到的樣本塊首先使用熵特征進(jìn)行粗選取，從而獲得紋理信息更豐富的訓(xùn)練樣本;然后在直方圖特征空間中求取樣本相似度，留下正樣本中相似度小的樣本與負(fù)樣本去更新分類器，從而消除由于樣本不準(zhǔn)確而導(dǎo)致的分類器性能下降問題。實(shí)驗(yàn)結(jié)果表明與傳統(tǒng)的霍夫森林跟蹤算法相比，本文的改進(jìn)算法很好的解決了顏色相似問題，具有廣泛的實(shí)用性。
　　(2)針對(duì)

3、傳統(tǒng)霍夫森林算法中目標(biāo)搜索空間固定而導(dǎo)致的目標(biāo)檢測(cè)結(jié)果不準(zhǔn)確的問題，提出一種基于目標(biāo)塊加權(quán)中心的迭代搜索策略，從而解決在跟蹤過(guò)程中由于目標(biāo)運(yùn)動(dòng)速度過(guò)快而導(dǎo)致跟蹤失敗的問題。實(shí)驗(yàn)結(jié)果表明本文的迭代式搜索策略在保證算法穩(wěn)定性的同時(shí)提高了跟蹤精度。
　　(3)基于霍夫森林的多目標(biāo)檢測(cè)算法與霍夫森林單目標(biāo)跟蹤算法，提出了一個(gè)簡(jiǎn)單的多目標(biāo)跟蹤系統(tǒng)，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)的可行性和實(shí)用性。
　　本文在分析和研究霍夫森林算法的基礎(chǔ)上，從訓(xùn)