基于音頻輔助信息的目標抗遮擋跟蹤方法研究.pdf

1、目標跟蹤是人機交互領(lǐng)域中的一個重要課題，但在實際跟蹤中，目標容易受到遮擋等問題的影響，本文在分析總結(jié)已有工作的基礎(chǔ)上，以提高遮擋等復(fù)雜環(huán)境下跟蹤系統(tǒng)的性能為主要目標，從視頻跟蹤和音視頻聯(lián)合跟蹤這兩方面對此問題進行了研究，提出了基于特征置信度的抗遮擋融合跟蹤方法，改進了模型更新方式。主要的研究工作和貢獻如下:
　　1、研究了視頻跟蹤下目標受到光照、陰影以及相似物遮擋時容易造成跟蹤失敗的問題，針對此問題本文提出了一種基于特征置信度和相

2、似度的融合算法，能對不同環(huán)境采取不同的融合方式，提升系統(tǒng)的抗干擾能力，該算法利用前一幀的相似度動態(tài)調(diào)節(jié)加權(quán)和融合和乘性融合的權(quán)重，同時利用特征置信度調(diào)節(jié)加權(quán)和融合中各特征的權(quán)值，使融合結(jié)果更加接近真實狀態(tài)，并將該置信度運用到遮擋檢測當中，克服了相似物遮擋時，相似特征相似度過高，對遮擋判定不準確的問題。同時也對目標模型的更新方式做了改進，在目標未發(fā)生遮擋時，模板更新結(jié)合了初始模板、前一幀模板和當前模型的信息，能反映出起始和當前的狀態(tài)，使目

3、標模版能夠更好地適應(yīng)復(fù)雜環(huán)境的變化;當目標發(fā)生遮擋時，本文采用了前一時刻的目標模型，也就是未發(fā)生遮擋那一刻的模型，這樣能更好保留準確信息，減小背景噪聲的融入，為遮擋恢復(fù)后的目標匹配提供依據(jù)，保證跟蹤的準確性。實驗結(jié)果表明，該算法對光照、相似物遮擋等環(huán)境具有更好的跟蹤性能，同時也能滿足實時性的要求。
　　2、目前目標跟蹤中運用較多的還是單模態(tài)跟蹤方法。音頻跟蹤具有定位范圍廣、計算復(fù)雜度低和實時性好等優(yōu)點，缺點是定位精度差，容易受到背

4、景噪聲影響;視頻跟蹤精度高，但容易受到光照、陰影和遮擋等復(fù)雜環(huán)境的影響，且視角受限于攝像頭的角度。由于音視頻信息之間具有良好的互補性，本文在粒子濾波的框架下提出一種基于特征置信度的異類信息融合方法，以克服單模態(tài)跟蹤的缺陷，選擇TDOA到達時間差特征和顏色直方圖特征，利用置信度對二者進行融合，充分發(fā)揮兩種類型信息間的相關(guān)性，提高跟蹤精度。由于采用了單一的顏色特征，所以本文利用置信度來輔助檢測遮擋，以解決相似度遮擋檢測錯誤的問題，最后利用改