基于檢測和Graph-cuts的目標跟蹤算法研究.pdf

1、運動目標檢測和跟蹤技術(shù)是計算機視覺領(lǐng)域的一個熱點課題。目前，在目標跟蹤過程中仍然存在幾大難題：(1)背景的動態(tài)變化及其復雜性；(2)目標的遮擋；(3)目標發(fā)生形變及特征變化。本文針對上述問題提出了一些改進方法，主要工作如下：
　　首先，研究了基于檢測的目標跟蹤、基于動態(tài)分割的目標跟蹤和基于分布的目標跟蹤這三種主要的跟蹤類別方法，提出了一種融合這三個類別各自優(yōu)點的一種跟蹤方法，即采用檢測和Graph-cuts技術(shù)的目標跟蹤方法。

2、r>　　其次，提出了一種基于改進的Graph-cuts的圖像分割算法。該方法采用寬度優(yōu)先搜索方式搜索圖像中的每個像素點，通過對屬于相同區(qū)域的像素點進行合并的方式解決了傳統(tǒng)的Graph-cuts算法在分割較大尺寸的圖像時耗時長的缺點。
　　然后，針對目標遮擋、形變等不同情況，選擇合適的檢測算法來獲取目標觀測值，然后將預(yù)測目標和觀測值這兩項加入能量函數(shù)中并進行最小化。在圖中引入觀測值后能使得目標的跟蹤結(jié)果更為準確，且能夠處理新目標進入

3、的情況。通過實驗發(fā)現(xiàn)在對多目標進行跟蹤時只采用一個能量函數(shù)并不能解決目標融合或遮擋的問題，針對該問題，我們又在目標融合區(qū)域定義了另一個能量函數(shù)。最后實驗結(jié)果表明，無論是針對單目標還是多目標跟蹤本文所提算法都具有較強的魯棒性。
　　最后，給出了一種基于混合高斯模型和Graph-cuts的目標跟蹤算法。該方法針對目標的不同情況會做出不同的處理。對于獨立目標建立一個基于空間-顏色的混合高斯模型，對于遮擋目標引入一個混合高斯模型替換策略，