基于視頻的單目標(biāo)跟蹤研究.pdf

1、目標(biāo)跟蹤作為計算機視覺和數(shù)字圖象處理領(lǐng)域的研究熱點,已取得了很多優(yōu)秀的成果。但是,目標(biāo)的大尺度變化、目標(biāo)動作變化、圖像模糊等仍然屬于目標(biāo)跟蹤的挑戰(zhàn)性問題。影響目標(biāo)跟蹤性能的關(guān)鍵問題之一,即特征提取與表示方法?，F(xiàn)有的絕大多數(shù)目標(biāo)跟蹤算法都基于紋理特征或顏色特征。本文重點研究超像素特征——計算機視覺領(lǐng)域目前最熱門的特征提取算法之一,并改進優(yōu)化了基于超像素特征的目標(biāo)跟蹤方法。
　　第一,提出了均勻SLIC(simple linear i

2、terative clustering)超像素特征提取算法和均勻隨機SLIC超像素特征提取算法。這兩種方法用以改進超像素在選擇聚類中心時的方法,減少冗余聚類中心,提高聚類中心的利用率和超像素的提取速率,使用均勻隨機的SLIC超像素提取算法,可以根據(jù)需求調(diào)整搜索窗口大小,來達到提高超像素的邊界附著率。大量對比實驗證明,改進后的SLIC超像素可以有效的提高算法的效率,減少內(nèi)存消耗,提高邊界附著率。
　　第二,提出采用可變窗口跟蹤方法,

3、結(jié)合改進的SLIC超像素特征,提高模糊圖像出現(xiàn)時的跟蹤效果。將尺度信息加入目標(biāo)的觀察模型,使用可變窗口來提取特征。結(jié)合改進的SLIC超像素特征,提高模糊圖像出現(xiàn)時的跟蹤效果。大量實驗證明:①改進后的超像素跟蹤算法可以有效的抵御尺度變化、大幅度形變。②引入改進的SLIC超像素特征后,算法可以有效的跟蹤模糊圖像。
　　第三,實驗驗證了復(fù)雜場景中,目標(biāo)大尺度變化、動作變化及圖像模糊等情況的跟蹤效果。本算法在結(jié)合了改進的SLIC超像素特征