基于軌跡優(yōu)化的多目標跟蹤研究.pdf

1、多運動目標的檢測和跟蹤一直是計算機視覺領(lǐng)域中一個備受關(guān)注的新興研究方向,該方向融合了計算機應(yīng)用、圖像處理、人工智能、模式識別等多個相關(guān)領(lǐng)域的知識,得到了廣大科研工作者、國家相關(guān)部門以及企業(yè)的高度重視,現(xiàn)已廣泛應(yīng)用于視頻監(jiān)控、醫(yī)學(xué)圖像分析、智能交通等多個領(lǐng)域。由于場景的復(fù)雜性、目標外觀的多樣性以及多個運動目標之間的相互遮擋等原因,多運動目標的檢測和跟蹤技術(shù)仍然面臨著許多有待進一步解決的研究難題。
　　本文在對目前常用的目標檢測和跟蹤

2、算法進行分析和實驗對比的基礎(chǔ)上,針對多運動目標的檢測和跟蹤技術(shù)中的一些主要問題進行了研究。主要工作如下:
　　1、提出一種二次檢測的改進型目標檢測算法。先利用OTSU準則改進VIBE背景建模算法,實現(xiàn)前景區(qū)域檢測,再采用基于HOG特征的SVM分類器對前景區(qū)域進行二次檢測,從而實現(xiàn)對相互粘連或者分裂目標的精確分割。實驗結(jié)果表明,本文算法可以有效解決原始VIBE算法無法解決的參數(shù)自適應(yīng)以及目標之間相互粘連的問題,具有良好的魯棒性,能夠

3、準確地檢測出運動目標。
　　2、提出一種基于軌跡優(yōu)化的多目標跟蹤算法。首先利用檢測算法獲取的各個運動目標的位置信息來建立各個目標的初始運動軌跡,然后構(gòu)建了一個可以詳細描述當前軌跡空間的能量函數(shù),該能量函數(shù)可以有效的懲罰錯誤的軌跡配置并獎勵合理的軌跡配置,接著,在總的能量函數(shù)不再增加的前提下對當前軌跡空間進行不斷的迭代優(yōu)化直至生成最終的準確軌跡,最后通過回標來完成多運動目標跟蹤。實驗結(jié)果表明,本文提出的方法可以有效解決多目標跟蹤過程