基于運動補償與RJ-MCMC結合的視頻目標跟蹤研究.pdf

1、視頻中運動目標跟蹤的研究是計算機視覺領域的一個重要課題，受到國內外學者的普遍關注。它在導彈視覺制導，機器人與無人機自主導航，軍事目標的定位跟蹤與識別，汽車自動駕駛，安全監(jiān)控，智能交通，虛擬現實等方面有廣闊的應用前景。在現實中，由于各種干擾的存在增加了視頻目標檢測和跟蹤的難度。
　　 視頻中目標的檢測是目標跟蹤的基礎，檢測效果的不好則會給跟蹤帶來很大的影響。由于光照，遮擋，攝像機傳感器帶來的各種噪聲使得目標檢測變得很復雜，尤其是當

2、攝像機運動時，背景和前景都隨之運動，更不好區(qū)分前景和背景。本論文采取了一種基于運動補償與自適應背景更新來檢測動態(tài)場景中的運動目標。先計算前后兩幀之間的金字塔光流場，光流場數據里既含有目標和背景的光流值也含有噪聲的光流。由于事先不知道有多少個目標，也無法預測干擾所帶來的噪聲，因此就不能用類數目固定的k均值聚類。本論文采用了一種叫做leader-follow的在線聚類算法，該算法能根據輸入數據自適應的進行分類，而無需事先知道要分成多少類。把

3、背景的光流值的分離出來以后就得到了運動補償值，運用此補償值補償上一幀圖像，然后前一幀圖像和當前幀圖像的背景對齊了，這樣就可以使用應用在靜態(tài)場景中的背景更新方法來得到了動態(tài)場景的背景和前景了。
　　 在目標跟蹤領域，一般都從貝葉斯遞歸的角度來看目標跟蹤問題，即根據一系列的觀測結果來對某目標的狀態(tài)進行估計。由于目標運動無規(guī)律難于用數學公式描述，而粒子濾波不需要事先對狀態(tài)轉移做任何假設，因此很多本領域的學者都把它拿來研究以用于目標跟蹤

4、。普通粒子濾波的粒子退化問題嚴重地限制了其基本方法的發(fā)展。MCMC作為粒子濾波器的一種它可以有效地解決上述的粒子退化問題正引起人們的關注。針對多目標的跟蹤普通MCMC是無法應對的，因為當目標進出場景會引起解的狀態(tài)變量空間變化，而RJ-MCMC則能有效應對此種情況。針對動態(tài)場景的多目標跟蹤，本文提出了一種基于二次觀測模型的RJ-MCMC粒子濾波方法第一次觀測通過運動補償值對運動模型實時修正使其逼近真實的運動方程，第二次觀測即是RJ-MCM