基于多特征聯(lián)合的多目標跟蹤的研究.pdf

1、近二十年來，隨著計算機視覺技術的長足發(fā)展，以其為基礎的目標跟蹤技術也出現(xiàn)了蓬勃發(fā)展的趨勢，并在社會經濟各領域取得了廣泛的應用。但目前的多目標跟蹤算法，大多都被復雜背景干擾、目標遮擋和實時性問題所困擾。
　　均值漂移算法是一種基于模板匹配的目標跟蹤方法，方便高效，無需先驗知識，從而得到廣泛關注。但是該算法也被跟蹤中的常見問題所困繞，首先是采用單一顏色特征，易被相似背景干擾，導致跟蹤的穩(wěn)定性下降；然后是該算法以特征匹配作為跟蹤的主要手

2、段，當目標受到遮擋時，無法進行有效匹配而導致跟蹤效果大大降低。
　　本文對比了當前主流的多目標跟蹤方法，對均值漂移算法的優(yōu)缺點進行了分析，在此基礎上，針對均值漂移方法在跟蹤過程中表現(xiàn)出來的兩大問題提出了基于多特征聯(lián)合的預測-跟蹤多目標跟蹤算法。首先，針對易被相似背景干擾問題，提出了改進的特征提取方式，用背景加權空間直方圖代替普通直方圖提取顏色特征，用局部二值化模式提取圖像的紋理特征，采用自適應的權值調整方案來為各特征分配跟蹤結果中

3、的權重；其次針對抗遮擋能力不強的問題，提出了預測-跟蹤的策略。結合卡爾曼濾波算法，提高跟蹤的準確度，對跟蹤事件進行分類判別，自適應調整跟蹤窗口并更新目標模型，從而建立起完善的多目標跟蹤體系。
　　通過對比視頻序列，并和基于支持向量機的均值漂移算法進行跟蹤效果對比，實驗證明本文方法能大大提高在復雜背景下的跟蹤效果，遮擋情形下的跟蹤正確率提高了30％以上。
　　最后，針對單個攝像頭跟蹤范圍的局限性，結合本文提出的多特征聯(lián)合的K-