基于檢測(cè)反饋的實(shí)時(shí)視頻目標(biāo)跟蹤算法的研究.pdf

1、隨著社會(huì)的進(jìn)步和發(fā)展，科技化步入了日常生活之中，特別是數(shù)字化的視覺(jué)技術(shù)在日常生活中越來(lái)越發(fā)揮重要作用，其中圖像及目標(biāo)的運(yùn)動(dòng)在視覺(jué)技術(shù)中有著舉足輕重的地位。圖像分析中的運(yùn)動(dòng)目標(biāo)跟蹤是近年來(lái)的研究熱點(diǎn)之一，因其在人機(jī)交互、交通監(jiān)視、社區(qū)安全等商業(yè)民用包括軍事領(lǐng)域都有著較為廣泛的應(yīng)用前景和發(fā)展趨勢(shì)?；跈z測(cè)反饋的目標(biāo)跟蹤算法也就是判別式跟蹤是目前跟蹤算法中的主流方向，傳統(tǒng)的生成式模型沒(méi)有考慮背景因素的影響容易受環(huán)境因素制約，而判別式方法在目標(biāo)

2、和背景區(qū)域提取各自具有區(qū)分性的特征，訓(xùn)練在線分類器將跟蹤問(wèn)題視作一個(gè)二分類問(wèn)題，為研究目標(biāo)跟蹤提供了新的方向。
　　本文從兩個(gè)方面入手目標(biāo)跟蹤的研究，第一部分利用目前較為流行的子空間學(xué)習(xí)的目標(biāo)跟蹤方法，由于圖像目標(biāo)本身維數(shù)較大且包含部分無(wú)用信息，如何提出具有區(qū)分性的特征信息是判別式目標(biāo)跟蹤的關(guān)鍵性因素，而子空間跟蹤利用目標(biāo)的前景信息和背景信息構(gòu)建過(guò)完備字典并利用其獲得前景和背景的稀疏表達(dá)作為最終的跟蹤特征，取得了魯棒性的效果。第二

3、部分研究了基于檢測(cè)反饋的實(shí)際應(yīng)用，拓展目標(biāo)跟蹤的對(duì)象，該部分主要研究了手部的跟蹤，由于手是非剛性的，表觀變化較大。因此如何在復(fù)雜環(huán)境下實(shí)時(shí)的跟蹤手部運(yùn)動(dòng)是研究的重點(diǎn)和主要方向。
　　本文完成的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　1.提出基于分塊和稀疏表達(dá)的目標(biāo)跟蹤算法，根據(jù)目標(biāo)在跟蹤過(guò)程中容易出現(xiàn)的遮擋問(wèn)題。該算法從兩個(gè)方面構(gòu)建整體模型，第一部分利用目標(biāo)的全局信息構(gòu)建判別式跟蹤，該部分采用了整體前景和離目標(biāo)區(qū)域較遠(yuǎn)的部分區(qū)域作為背景

4、構(gòu)建整體字典，并利用前景和背景在此字典上獲得的稀疏表達(dá)系數(shù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練線性支持向量機(jī)(SVM)分類器。在新的一幀中基于粒子濾波框架下構(gòu)建各個(gè)粒子的分類器得分，得分最高的候選粒子為最相似的目標(biāo)跟蹤區(qū)域。第二部分將目標(biāo)區(qū)域和背景區(qū)域分塊，獲得局部信息，并利用各塊計(jì)算重構(gòu)誤差，并根據(jù)重構(gòu)誤差獲得各塊對(duì)整體模型的貢獻(xiàn)分配不同的權(quán)重。最后設(shè)計(jì)整體模型的相似度度量和更新策略，通過(guò)在公開(kāi)的跟蹤測(cè)試集上與主流的跟蹤方法相比較，本文提出的方法具有較