穩(wěn)健視覺跟蹤算法中的關(guān)鍵問題研究.pdf

1、視覺跟蹤是當(dāng)前計算機(jī)視覺領(lǐng)域中一個熱點(diǎn)研究主題,在智能視頻監(jiān)控、機(jī)器人導(dǎo)航、智能交通以及國防安全等領(lǐng)域都有重要的應(yīng)用。為了滿足實(shí)際需要,當(dāng)前的視覺跟蹤方法需要處理很多實(shí)際問題:如何建立有效的表觀模型,在合理地描述目標(biāo)的同時也能較好地區(qū)分背景；如何選取快速高效的跟蹤推理算法以滿足實(shí)時性要求；如何在多目標(biāo)跟蹤時正確關(guān)聯(lián)目標(biāo)等等。為了解決這些問題,視覺跟蹤需要涉及多個理論學(xué)科,包括:圖像處理、模式識別、概率論與數(shù)理統(tǒng)計、最優(yōu)化理論以及控制理論

2、等。因此視覺跟蹤是一個兼具理論價值和實(shí)際意義的研究主題。
　　 視覺跟蹤方法可大致分為兩類:確定性跟蹤方法和概率跟蹤方法。確定性跟蹤方法往往先根據(jù)目標(biāo)的視覺特性,建立度量目標(biāo)和候選目標(biāo)的相似度的最優(yōu)函數(shù),進(jìn)而采用最優(yōu)化算法迭代地計算目標(biāo)狀態(tài)(如位置、大小和方向等)的局部最優(yōu)值。此類方法具有計算效率高和所依賴的參數(shù)較少的優(yōu)點(diǎn),但由于容易陷入局部極值而導(dǎo)致跟蹤失敗。概率跟蹤方法首先預(yù)測目標(biāo)的狀態(tài),再通過視覺觀測模型結(jié)合概率方法進(jìn)行推

3、理來更新目標(biāo)的狀態(tài)。目前比較流行的概率跟蹤方法是粒子濾波,其優(yōu)點(diǎn)是能夠處理非線性非高斯系統(tǒng)、跟蹤穩(wěn)健,但計算效率較低,并且對參數(shù)依賴較多。
　　 為了改進(jìn)確定性跟蹤算法,需要做的工作包括:如何建立合理的目標(biāo)模型及其相似性度量方法,以及如何理論推導(dǎo)基于相似度模型的最優(yōu)化方法?；诖?本文提出以下創(chuàng)新:
　　 1.針對基本的mean shift跟蹤算法由于無法融入目標(biāo)的空間信息從而造成目標(biāo)跟蹤的不夠精確以及無法處理目標(biāo)被部分

4、遮擋的問題,采用多個圖像子塊描述目標(biāo),給出了目標(biāo)與候選目標(biāo)的相似性度量函數(shù),并基于此推導(dǎo)了類mean shift迭代算法。通過真實(shí)實(shí)驗(yàn)序列證明,算法能夠?qū)δ繕?biāo)的尺寸和位置給出較為精確的跟蹤結(jié)果,并能夠較好地處理部分遮擋問題。
　　 2.提出了“微分結(jié)構(gòu)相似度”跟蹤方法。該方法以結(jié)構(gòu)相似度為相似性度量函數(shù),基于此推導(dǎo)其關(guān)于目標(biāo)狀態(tài)(位置和尺寸)的梯度,并基于最速下降法的最優(yōu)化方法給出合理的跟蹤方法。算法的跟蹤結(jié)果精確,能夠有效地處

5、理目標(biāo)的尺寸變化,并且能夠在光照發(fā)生變化時仍然能夠準(zhǔn)確地跟蹤目標(biāo)。
　　 對于基于粒子濾波的跟蹤算法,如何提高采樣效率和如何解決多目標(biāo)跟蹤發(fā)生遮擋時的推理策略是兩個重要的問題,本文針對這兩個問題所作的創(chuàng)新有:
　　 1.提出粒子濾波框架下基于兩層表觀模型的跟蹤算法。采用顏色/灰度直方圖作為“粗糙”模型,應(yīng)用mean shift算法將每個粒子移位到局部最優(yōu)位置；采用本征空間模型作為“精確”模型,用來計算每個粒子的權(quán)重,以估

6、計目標(biāo)最終狀態(tài)。算法克服了粒子濾波跟蹤時粒子集中的無效粒子過多,采用較少的粒子數(shù),并同時融合了顏色/灰度特征與目標(biāo)的本征空間模型,在處理旋轉(zhuǎn)、變光照、變姿態(tài)等問題上有較好的效果。
　　 2.針對前視紅外成像的特點(diǎn),提出基于顯著性檢測和兩步采樣的紅外目標(biāo)跟蹤算法。在紅外前視圖像中,要跟蹤的目標(biāo)往往在圖像中都是“顯著”的,基于此,本文先在顯著性檢測的結(jié)果上建立顯著性觀測模型,再將本征空間模型作為另一個觀測模型,兩個模型通過兩步采樣算

7、法進(jìn)行結(jié)合。該算法跟蹤結(jié)果準(zhǔn)確,能夠處理紅外跟蹤時目標(biāo)外觀變化,以及由于傳感器自運(yùn)動造成的目標(biāo)位置突變等問題。
　　 3.針對多目標(biāo)跟蹤問題,采用馬爾可夫隨機(jī)場建立概率圖模型,在均值場蒙特卡羅方法的基礎(chǔ)上,提出基于核密度估計的均值場蒙特卡羅方法。多目標(biāo)跟蹤時,相似目標(biāo)之間的遮擋會造成跟蹤器關(guān)聯(lián)錯誤,均值場蒙特卡羅方法通過目標(biāo)之間的限制關(guān)系,結(jié)合均值場推理方法可以很好地解決關(guān)聯(lián)問題。但算法由于建議分布的不準(zhǔn)確,會造成大量粒子無效,