基于視覺目標(biāo)跟蹤算法的研究.pdf

1、隨著科學(xué)技術(shù)的進(jìn)步，圖像處理技術(shù)近年來(lái)得到飛速發(fā)展，計(jì)算機(jī)視覺成為計(jì)算機(jī)領(lǐng)域研究的熱門，而目標(biāo)跟蹤作為它的一個(gè)重要部分已經(jīng)廣泛應(yīng)用到人機(jī)交互、智能交通、機(jī)器人視覺導(dǎo)航、軍事等領(lǐng)域。例如，在智能交通系統(tǒng)，通過(guò)對(duì)繁忙路口車輛的跟蹤來(lái)統(tǒng)計(jì)車流量，可以讓交警部門合理安排調(diào)度，避免出現(xiàn)交通擁堵;在安防監(jiān)控系統(tǒng)，通過(guò)對(duì)出入人員特定的跟蹤來(lái)對(duì)他們的行為進(jìn)行分析，判斷是否為可疑人員;在汽車輔助駕駛系統(tǒng)，通過(guò)對(duì)道路上車輛的跟蹤，獲取車輛位置、速度等信息返

2、回給系統(tǒng)計(jì)算出前方車速及距離，及時(shí)報(bào)告給司機(jī)避免發(fā)生碰撞。如何在各種復(fù)雜場(chǎng)景下都能夠精確并且快速地跟蹤到目標(biāo)成為了一個(gè)重要的研究課題。為此，本文做了如下工作:
　　(1)本文首先研究分析了Lucas-Kanade光流法、Mean Shift算法和信賴域方法3種常用的傳統(tǒng)跟蹤方法。它們有一個(gè)共同的特點(diǎn)就是僅僅考慮所跟蹤的目標(biāo)本身而不考慮目標(biāo)周圍的信息，本文稱之為絕對(duì)目標(biāo)的跟蹤方法。這些方法通常采用基于顏色匹配的方法，這就使得它們無(wú)法

3、解決跟蹤過(guò)程中的復(fù)雜場(chǎng)景、光照變化以及遮擋等難點(diǎn)問(wèn)題。此外，光流法假設(shè)兩幀圖像之間亮度不變，故不能處理目標(biāo)發(fā)生較大變化等情形;MeanShift雖然處理速度較快但不能解決尺度變化問(wèn)題;而信賴域方法跟蹤穩(wěn)定，魯棒性好但實(shí)時(shí)性較差。
　　(2)相對(duì)于傳統(tǒng)跟蹤算法，本文采用了一種新穎的基于相對(duì)目標(biāo)的跟蹤方法，既考慮到目標(biāo)本身同時(shí)還考慮目標(biāo)周圍背景信息。在線隨機(jī)森林算法正是其中一種相對(duì)目標(biāo)的跟蹤方法，它最主要特點(diǎn)是在線學(xué)習(xí)特性和基于檢測(cè)的

4、跟蹤特性。本文根據(jù)在線學(xué)習(xí)中正樣本數(shù)量少的特點(diǎn)提出了一種改進(jìn)的在線隨機(jī)森林算法。此外，在訓(xùn)練特征的選取上采用了一種兼容簡(jiǎn)單且光照不變的特征——BRIEF特征，并根據(jù)目標(biāo)跟蹤的特點(diǎn)做了相應(yīng)的改進(jìn)。
　　(3)鑒于傳統(tǒng)檢測(cè)方法是對(duì)全圖進(jìn)行窮舉的，需要耗費(fèi)大量的時(shí)間，難以達(dá)到多目標(biāo)實(shí)時(shí)跟蹤。本文提出了引入Kalman濾波器結(jié)合在線隨機(jī)森林算法的方法，通過(guò)Kalman濾波器估計(jì)出目標(biāo)可能出現(xiàn)的位置，僅需在其附近區(qū)域檢測(cè)目標(biāo)即可。本文對(duì)檢測(cè)