視頻場(chǎng)景下運(yùn)動(dòng)目標(biāo)跟蹤方法的研究.pdf

1、目標(biāo)跟蹤方法的研究是計(jì)算機(jī)視覺領(lǐng)域中一項(xiàng)富有挑戰(zhàn)性的課題，該課題涉及人工智能、圖像處理、模式識(shí)別、自動(dòng)控制等許多領(lǐng)域的先進(jìn)技術(shù)。目標(biāo)跟蹤技術(shù)在國(guó)防制導(dǎo)、智能交通、智能保安、醫(yī)學(xué)診斷和視覺導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用前景。由于諸多因素的影響，目標(biāo)跟蹤的準(zhǔn)確性、實(shí)時(shí)性和魯棒性難以得到保證，且現(xiàn)有跟蹤算法大多只能應(yīng)用于特定環(huán)境，存在一定局限性。鑒于此本文對(duì)視頻場(chǎng)景下的運(yùn)動(dòng)目標(biāo)跟蹤關(guān)鍵技術(shù)進(jìn)行了研究和探討。
　　 本文著手做了以下幾方面工作

2、：
　　 (1)研究了常見的幾種常用目標(biāo)跟蹤方法，如基于運(yùn)動(dòng)目標(biāo)檢測(cè)的跟蹤方法、Mean Shift跟蹤方法、Kalman預(yù)測(cè)的跟蹤方法和粒子濾波跟蹤方法，并分析和總結(jié)了各常用跟蹤方法的優(yōu)劣性。
　　 (2)研究設(shè)計(jì)了一種多特征模型融合方法，引入特征模型質(zhì)量評(píng)價(jià)函數(shù)對(duì)各個(gè)特征模型進(jìn)行評(píng)價(jià)并預(yù)測(cè)相應(yīng)權(quán)重，并對(duì)各個(gè)特征模型進(jìn)行積分融合。該多特征模型的融合方法在一定程度上提高了跟蹤的準(zhǔn)確性和魯棒性。
　　 (3)為了提