基于視覺跟蹤的人機交互技術(shù)研究與實現(xiàn).pdf

1、隨著計算機視覺技術(shù)的發(fā)展，視覺跟蹤技術(shù)得到了廣泛的應(yīng)用，基于視覺的人機交互技術(shù)是人工智能、機器人技術(shù)等領(lǐng)域近年來的研究熱點?；谝曈X跟蹤的人機交互技術(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)重影響了人機交互過程，易出現(xiàn)延遲、目標(biāo)丟失等問題。目前，實現(xiàn)復(fù)雜背景下視覺跟蹤交互是一種研究趨勢，對人機交互技術(shù)的發(fā)展也起到了重要作用。因此，開展基于視覺跟蹤的人機交互技術(shù)研究具有重要意義。
　　本

2、文針對視覺算法改進和人機交互平臺構(gòu)建進行了以科普展品為背景的關(guān)鍵技術(shù)研究與系統(tǒng)實現(xiàn)。首先，在視頻對象分割算法設(shè)計方面有三方面的改進:第一，在對視覺交互特點進行全面分析的基礎(chǔ)上，采用幀間差分方法獲得運動目標(biāo)，實現(xiàn)自然人機交互;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)部約束能量項和局部自適應(yīng)能量函數(shù)，解決了重新初始化的問題，提高了水平集方法的適應(yīng)性;第三，針對視覺交互圖像干擾性強，輪廓模糊，易造成目標(biāo)邊緣分割不清楚

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