動態(tài)場景的運(yùn)動目標(biāo)跟蹤方法研究.pdf

1、基于動態(tài)背景的視頻目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域的熱點研究之一,它的主要任務(wù)是從視頻圖像序列中檢測、識別并跟蹤運(yùn)動目標(biāo),甚至能夠理解并描述目標(biāo)的行動。在視頻監(jiān)控、人體運(yùn)動識別、視頻檢索、機(jī)器人導(dǎo)航、醫(yī)療診斷和虛擬現(xiàn)實等方面有著廣泛的應(yīng)用。自然場景中的光照變化、背景與目標(biāo)顏色相似、目標(biāo)變形和目標(biāo)遮擋等是運(yùn)動目標(biāo)跟蹤的主要困難。針對這些因素的影響,本文從目標(biāo)的特征提取,特征更新、特征融合和跟蹤算法進(jìn)行改進(jìn),研究了動態(tài)自然場景下的運(yùn)動目標(biāo)跟蹤算法。

2、
　　本文首先介紹了兩種經(jīng)典的跟蹤算法:均值漂移(Mean Shift)跟蹤算法和粒子濾波(Particle Filter)跟蹤算法,以及均值漂移跟蹤算法改進(jìn)的連續(xù)自適應(yīng)均值漂移(CamShift)跟蹤算法,并分別分析了它們存在的問題。
　　為了解決自然場景中光照變化、背景與目標(biāo)顏色相似和目標(biāo)部分遮擋等跟蹤問題,本文提出了一種基于灰色預(yù)測模型的CamShift跟蹤方法。該方法首先將灰色預(yù)測模型預(yù)測的目標(biāo)位置作為CamShif

3、t跟蹤算法中初始搜索中心進(jìn)行跟蹤,然后再將CamShift跟蹤算法得到的新的目標(biāo)位置作為下一幀灰色預(yù)測模型的更新歷史數(shù)據(jù),循環(huán)執(zhí)行。同時還提出了運(yùn)動目標(biāo)顏色直方圖選擇性子模型更新策略。
　　針對傳統(tǒng)粒子濾波跟蹤算法在重采樣時存在粒子退化問題,導(dǎo)致粒子濾波跟蹤算法不能較好地解決變形目標(biāo)和部分遮擋目標(biāo)的跟蹤,本文提出了一種基于特征融合的粒子群優(yōu)化粒子濾波跟蹤方法。該方法利用粒子群優(yōu)化促使粒子采樣向真實狀態(tài)區(qū)域移動,減緩粒子退化,提高了

4、粒子濾波跟蹤算法的跟蹤性能。針對跟蹤目標(biāo)存在變形及目標(biāo)被遮擋等情況,引入了歸一化轉(zhuǎn)動慣量(Normalized moment of inertia, NMI)特征,并將它與顏色特征采用乘性融合策略進(jìn)行融合來描述目標(biāo)特征。
　　論文的實驗基于Windows操作系統(tǒng);采用Visual Studio2008和OpenCV2.3.1作為編程平臺;在實驗過程中,實驗視頻來自于標(biāo)準(zhǔn)的測試視頻,用于對比實驗的經(jīng)典目標(biāo)跟蹤算法的參數(shù)都與原文獻(xiàn)中提