復(fù)雜場(chǎng)景中單目標(biāo)跟蹤算法研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展、計(jì)算機(jī)硬件處理能力的不斷提高和存儲(chǔ)成本大幅下降,計(jì)算機(jī)視覺領(lǐng)域的目標(biāo)跟蹤技術(shù)逐漸成為學(xué)者們研究熱點(diǎn),在人機(jī)交互、智能監(jiān)控、醫(yī)療等方面得到廣泛的應(yīng)用與發(fā)展。盡管人們已經(jīng)提出了很想有效的視頻目標(biāo)跟蹤算法,但實(shí)際應(yīng)用中,視頻目標(biāo)的多變化、場(chǎng)景的復(fù)雜化使得跟蹤技術(shù)仍然面臨許多難題。
　　本論文針對(duì)視頻序列中常見的目標(biāo)快速運(yùn)動(dòng)、遮擋、外觀形變、場(chǎng)景的光照變化、背景雜亂、目標(biāo)與背景相似等情況進(jìn)行分析研究,主要研究成果如

2、下:
　　(1)提出了一種基于散射描述子的運(yùn)動(dòng)目標(biāo)跟蹤方法。該方法用非下采樣散射描述子來(lái)表征目標(biāo),使得提取到的目標(biāo)特征更全面、典型,很好地從圖像背景中分離出前景目標(biāo);引入自適應(yīng)更新目標(biāo)模型和級(jí)聯(lián)的遮擋判斷方法,很大程度上減少了目標(biāo)漂移,克服了目標(biāo)發(fā)生遮擋、外觀改變、快速運(yùn)動(dòng)問題,實(shí)現(xiàn)了準(zhǔn)確可靠的跟蹤;
　　(2)提出了一種基于樣本重選擇的目標(biāo)跟蹤方法。該方法在建立目標(biāo)表觀模型時(shí),根據(jù)樣本示例的概率分布特性進(jìn)一步對(duì)樣本進(jìn)行篩選

3、,使得樣本標(biāo)記更準(zhǔn)確,獲取的樣本更加典型地表征目標(biāo),同時(shí)引入樣本的先驗(yàn)概率增強(qiáng)分類器的穩(wěn)定性措施,很大程度上提高了算法的可靠性,對(duì)光照變化、目標(biāo)快速運(yùn)動(dòng)、運(yùn)動(dòng)模糊、復(fù)雜場(chǎng)景下的跟蹤問題具有良好的魯棒性;
　　(3)提出了一種基于上下文約束編碼的目標(biāo)跟蹤方法。該方法主要介紹了基于相鄰幀的上下文約束編碼模型,該模型通過(guò)相鄰幀的對(duì)應(yīng)像素互相約束的方法,很好地保持了視頻序列的空間一致性,增強(qiáng)編碼模型的穩(wěn)定性。采用在線更新碼本和分類器參數(shù)的