姿態(tài)、光照不敏感的目標(biāo)跟蹤算法.pdf

1、跟蹤視頻中的運動目標(biāo)是計算機視覺領(lǐng)域中富有挑戰(zhàn)性的課題之一，在視覺導(dǎo)航、安全監(jiān)控等領(lǐng)域有著廣闊的應(yīng)用前景。開發(fā)魯棒的跟蹤算法也具有重要的理論意義。文獻中廣泛使用的一種算法是卡爾曼濾波，它在線性高斯模型下能得到最優(yōu)估計，但在非線性非高斯模型下則效果很差。為了克服這些缺陷，隨后提出了基于蒙特卡羅采樣的粒子濾波跟蹤方法。
　　粒子濾波方法可以以一種遞歸的方式有效地估計出非線性非高斯動態(tài)系統(tǒng)的狀態(tài)，而且能夠融合目標(biāo)的多種特征信息作為觀測值

2、，從而在目標(biāo)跟蹤領(lǐng)域得到成功的應(yīng)用。
　　傳統(tǒng)的圖像特征表達方法，基本上是圍繞圖像的顏色、紋理、形狀展開，其各自的優(yōu)點突出但也都存在一定的應(yīng)用局限。本文引入一類具有尺度不變性的特征，其中的SIFT是一種圖像局部特征，它對于圖像的尺度縮放、旋轉(zhuǎn)、平移及光照變化具有良好的不變性，曾在場景匹配、圖像檢索等領(lǐng)域獲得成功運用。其改進版本SURF在保證了SIFT優(yōu)點的同時，大大提高了特征提取的速度，為其成功應(yīng)用于目標(biāo)跟蹤領(lǐng)域創(chuàng)造了良好條件。<

3、br>　　在上述研究基礎(chǔ)上，本文將目標(biāo)表達、分層思想、多尺度思想、預(yù)測判斷以及推理等人類視覺常用的方法引入到目標(biāo)跟蹤算法的研究中，把SIFT等尺度不變特征應(yīng)用于目標(biāo)跟蹤領(lǐng)域，設(shè)計實現(xiàn)了一種對姿態(tài)、光照變化、遮擋現(xiàn)象魯棒的跟蹤新算法。該算法同時結(jié)合了全局的顏色特征和具有尺度不變性的局部特征,并通過粒子濾波方法合理地進行概率融合。算法中提出兩種概率融合策略。目標(biāo)模型具有自動更新能力。
　　大量實驗結(jié)果證明，本文提出的跟蹤方法能夠很好地