視頻中運動目標跟蹤的關鍵算法研究.pdf

1、視頻目標跟蹤技術在社會生活中隨處可見其身影，視頻目標跟蹤技術作為人類視覺的延伸，在視頻監(jiān)控、人機交互、機器人導航以及自然災害分析等方面都有廣泛的應用。視頻目標跟蹤仍舊存在許多問題，如光照變化、遮擋、背景抖動等等。盡管已經(jīng)有許多有效的目標跟蹤算法，但都沒有徹底解決這些問題?；卺槍σ曨l跟蹤中一些關鍵算法的研究，主要涉及目標表示、特征選擇、特征融合等技術，本文提出了新的視頻目標跟蹤改進算法以提高在處理復雜場景時的精度和性能。論文的主要研究工

2、作與創(chuàng)新如下：
　　首先，提出了一種基于聯(lián)合校正似然的背景加權直方圖（joint CB-LBWH）的均值漂移跟蹤算法。該算法同時利用特征顯著性和特征置信度作為加權判據(jù)來構建直方圖，從而能夠有效降低目標表示中的背景干擾。本文推導出基于似然的背景模型（LB），并進而提出一種基于似然的背景加權直方圖（LBWH）方案，LBWH考慮了特征置信度；而校正背景加權直方圖（CBWH）考慮了背景特征的顯著性。這樣將 CBWH和LBWH結(jié)合，join

3、t CB-LBWH可以有效提高目標直方圖模型的判別力，從而提高目標跟蹤的精度和性能。對比實驗結(jié)果表明：在背景顯著變化和背景相似等復雜場景存在的情形，由joint CB-LBWH跟蹤器所改進的目標直方圖模型具有較高的判別力、較好的魯棒性和性能。
　　其次，提出了一種基于前景顯著性的背景加權直方圖（FSBWH）的均值漂移跟蹤算法。本文推導出一個基于前景顯著性的背景模型（FSB）。進一步用FSB提出一種新的基于前景顯著性的背景加權直方圖

4、（FSBWH）方案來融合背景和前景的顯著特征并用于目標表示和跟蹤。該方案通過同時突出前景顯著特征和抑制背景特征干擾提高了目標直方圖模型的判別力,從而提高了跟蹤器的精度和性能。對比實驗結(jié)果表明在背景顯著變化和遮擋等場景下，提出的FSBWH跟蹤器可以提高目標直方圖模型的判別力及跟蹤器的效率和魯棒性。
　　第三，提出了一種結(jié)合特征選擇和特征融合的目標表觀模型生成方式以及基于協(xié)方差和自適應特征選擇的粒子濾波（CVPF-FS）跟蹤算法。首先

5、擴展方差比被用來選擇判別力強的特征，接著利用區(qū)域協(xié)方差描述符進行目標表觀建模。由于區(qū)域協(xié)方差描述符是一個強大的特征融合方法，使得算法的目標表觀模型更具判別力。最后在線特征選擇和特征融合被集成進粒子濾波框架中進行魯棒跟蹤。對比實驗結(jié)果表明：CVPF-FS算法較準確地建模了目標的表觀，在遮擋、光照和尺度變化等復雜場景下是魯棒的，跟蹤效果不錯。
　　基于視頻的運動目標跟蹤研究是計算機視覺領域中的挑戰(zhàn)性課題，本文的研究工作雖然取得了一定的