Mean-Shift可視跟蹤中的穩(wěn)健性研究.pdf

1、可視跟蹤就是利用圖像處理、模式識(shí)別的方法發(fā)現(xiàn)視頻序列中與指定目標(biāo)圖像最相似的部分。它從早期的目標(biāo)跟蹤領(lǐng)域衍生出來(lái)被廣泛應(yīng)用在視頻編碼、智能交通、監(jiān)控、視頻分析以及軍工等眾多領(lǐng)域中。當(dāng)目標(biāo)圖像通過(guò)自動(dòng)或者交互等方式給定后，跟蹤算法要求在后續(xù)圖像幀中對(duì)該目標(biāo)圖像進(jìn)行實(shí)時(shí)、穩(wěn)健的定位輸出。其中，實(shí)時(shí)性要求跟蹤算法必須具有高的搜索效率；穩(wěn)健性要求跟蹤算法對(duì)目標(biāo)的運(yùn)動(dòng)、外觀(guān)變化以及場(chǎng)景干擾具有魯棒的性能。在兼顧實(shí)時(shí)性的基礎(chǔ)上提高跟蹤算法的穩(wěn)健性一

2、直是可視跟蹤研究中的前沿和熱點(diǎn)，同時(shí)也是本文的研究目的。 本文的研究背景主要是為計(jì)算機(jī)視覺(jué)、視頻編碼和導(dǎo)彈制導(dǎo)等領(lǐng)域的研究者提供可視跟蹤中新的理論和算法支持，在兼顧算法的實(shí)時(shí)性能的前提下提高算法的穩(wěn)健性。為此，主要研究了基于核概率密度估計(jì)的mean-shift理論在可視跟蹤中的應(yīng)用?；趍ean-shift理論的目標(biāo)跟蹤方法由于避免了全局搜索因此已經(jīng)滿(mǎn)足了實(shí)時(shí)性的要求。本文在此基礎(chǔ)上提高了mean-shift跟蹤算法的穩(wěn)健性。主

3、要做了以下的研究工作：對(duì)當(dāng)前流行的可視跟蹤方法進(jìn)行了綜述、比較；回顧、總結(jié)了核概率密度估計(jì)理論，并對(duì)在此基礎(chǔ)上發(fā)展起來(lái)的mean-shift理論做了研究、整理；對(duì)基于mean-shift理論的目標(biāo)跟蹤算法進(jìn)行了深入的剖析，指出了其中的不足，尤其是在算法穩(wěn)健性上的不足；以mean-shift跟蹤算法為框架提出了新的模型更新算法用來(lái)應(yīng)對(duì)目標(biāo)的外觀(guān)變化、場(chǎng)景遮擋以及光照變化；深入研究了跟蹤變尺度目標(biāo)時(shí)Bhattacharyya系數(shù)的變化規(guī)律。

4、在此基礎(chǔ)上提出了穩(wěn)健跟蹤尺度漸大剛性目標(biāo)的算法，并對(duì)穩(wěn)健跟蹤具有復(fù)雜運(yùn)動(dòng)的目標(biāo)進(jìn)行了探討。 本文的創(chuàng)新主要體現(xiàn)在： (1)提出利用目標(biāo)歷史模型和當(dāng)前匹配位置處得到的觀(guān)測(cè)模型對(duì)目標(biāo)核函數(shù)直方圖進(jìn)行Kalman濾波，從而對(duì)模型進(jìn)行及時(shí)更新。新穎之處在于：Kalman濾波器是對(duì)目標(biāo)“外觀(guān)”進(jìn)行濾波而不是通常對(duì)目標(biāo)航跡、位移、速度等變量的濾波。 (2)在Kalman濾波的處理過(guò)程中，我們根據(jù)分析歷史濾波殘差數(shù)據(jù)自適應(yīng)調(diào)整

5、濾波方程中的各種參數(shù)。首次提出把濾波殘差作為樣本進(jìn)行假設(shè)檢驗(yàn)，將其結(jié)果作為模型是否需要更新的準(zhǔn)則。這樣，系統(tǒng)能夠正確地處理遮擋、光照變化等干擾因素，有效地避免了模型的過(guò)更新。 (3)發(fā)現(xiàn)并嚴(yán)格證明了mean-shift框架下準(zhǔn)確跟蹤變尺度目標(biāo)的充分條件，即在核窗寬固定的條件下，目標(biāo)在其窗寬范圍內(nèi)進(jìn)行的縮放、平移運(yùn)動(dòng)并不影響mean-shift跟蹤算法空間定位的準(zhǔn)確性。從理論上解釋了傳統(tǒng)固定窗寬mean-shift跟蹤算法在跟蹤變