基于在線學習的運動目標跟蹤算法研究.pdf

1、基于視頻的運動目標跟蹤技術(shù)是對視頻圖像中感興趣的運動目標進行檢測、跟蹤，該技術(shù)為視頻目標分析系統(tǒng)采取的進一步措施（例如行為分析，人機交互和智能監(jiān)控等）提供依據(jù)。在復(fù)雜變化的跟蹤場景中，目標可能要面對姿態(tài)變化、光照變化、遮擋和運動模糊等因素的干擾，想要對運動目標進行長時間有效的跟蹤是一項艱巨的任務(wù)。
　　為了解決傳統(tǒng)的目標跟蹤算法，在復(fù)雜環(huán)境下不能對運動的目標進行長時間穩(wěn)定跟蹤的問題。本文借鑒了在線學習的思想，研究了將 LK光流算法

2、與在線學習思想結(jié)合的跟蹤算法。該算法以LK(Lucas-Kanade)光流算法作為目標跟蹤的核心算法，在跟蹤過程中對 LK光流算法的目標外觀模型進行在線更新，使得模型可以適應(yīng)目標和環(huán)境的變化，從而實現(xiàn)長時間跟蹤。
　　論文的主要工作如下：
　　1．本文研究了兩種目標跟蹤丟失判斷方法，建立了在線更新的背景模型與目標運動模型，能夠判斷跟蹤到的對象是否是目標，避免了因背景干擾而發(fā)生跟蹤丟失或目標在畫面中消失而導(dǎo)致的跟蹤失敗。

3、>　　2．LK算法的跟蹤效果依賴于模板匹配的準確性，如果模板中的像素點全是目標的像素，那么 LK算法有著良好的跟蹤效果；但如果模板中包含背景像素，則會影響模板匹配的準確性，使得算法漂移。為此，本文研究了一種基于目標推理的模板匹配算法，在進行模板匹配時引入了目標的結(jié)構(gòu)信息，提高了模板匹配的準確性。
　　3．傳統(tǒng)的LK光流算法通過求解目標模型在鄰域內(nèi)的最佳匹配來實現(xiàn)對運動目標的跟蹤。而最佳匹配是通過多尺度迭代運算進行求解的，在迭代運算