基于Cross-bin度量的視覺(jué)目標(biāo)跟蹤算法研究.pdf

1、伴隨著科技的發(fā)展，機(jī)器的智能化已經(jīng)成為時(shí)代的趨勢(shì)。人類對(duì)外界百分之八十以上的信息都是依靠視覺(jué)系統(tǒng)所獲得，故而計(jì)算機(jī)視覺(jué)已成為機(jī)器智能化和計(jì)算機(jī)科學(xué)的重要分支。而人類往往傾向?qū)τ谝曇爸谢顒?dòng)的物體感興趣，所以對(duì)視野中運(yùn)動(dòng)目標(biāo)的跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究?jī)?nèi)容。
　　在現(xiàn)實(shí)生活中，由于視頻中跟蹤目標(biāo)的快速運(yùn)動(dòng)、復(fù)雜背景、遮擋、光照變化、姿態(tài)變化以及攝像頭不固定等問(wèn)題的存在，使得視頻目標(biāo)跟蹤具有很大的挑戰(zhàn)性，至今仍有很多問(wèn)題需要深入

2、研究。因此，研究復(fù)雜情況下的目標(biāo)跟蹤具有重大的理論意義和學(xué)術(shù)價(jià)值。本文針對(duì)這些問(wèn)題，深入研究了魯棒的目標(biāo)跟蹤方法。為了能夠在復(fù)雜環(huán)境下魯棒地跟蹤感興趣的目標(biāo)，本文采用粒子濾波跟蹤框架。該框架對(duì)非高斯數(shù)據(jù)分布具有較好的魯棒性和有效性。
　　在粒子濾波跟蹤框架下，我們提出了一種基于cross-bin度量的粒子濾波跟蹤方法。該方法使用高斯模型構(gòu)造了基于cross-bin的相似性函數(shù)，充分利用了新的EMD算法的快速性和魯棒性。在目標(biāo)跟蹤過(guò)

3、程中，用快速魯棒EMD度量替代了傳統(tǒng)的bin-by-bin度量（如巴氏距離、歐式距離等）。相比于傳統(tǒng)的bin-by-bin度量，cross-bin度量可以更加有效和準(zhǔn)確地描述兩個(gè)模型bin之間的內(nèi)在聯(lián)系。最后，用最大后驗(yàn)概率(MAP)估計(jì)得到目標(biāo)在視頻圖像中的位置。實(shí)驗(yàn)結(jié)果表明，相比于其他基于bin-by-bin度量的跟蹤方法，本文提出的基于快速魯棒EMD的跟蹤方法在處理遮擋、復(fù)雜背景、目標(biāo)快速運(yùn)動(dòng)和劇烈變速等問(wèn)題取得了更好的效果。