基于局部敏感直方圖的視覺(jué)目標(biāo)跟蹤算法研究.pdf

1、視覺(jué)目標(biāo)跟蹤可為計(jì)算機(jī)視覺(jué)的高級(jí)任務(wù)(如圖像理解、行為分析等)提供技術(shù)支撐，因此一直都是計(jì)算機(jī)視覺(jué)中最活躍的研究領(lǐng)域之一，被廣泛應(yīng)用于增強(qiáng)現(xiàn)實(shí)、智能視頻監(jiān)控、目標(biāo)識(shí)別、醫(yī)學(xué)診斷、視覺(jué)導(dǎo)航和空間監(jiān)控等領(lǐng)域。同時(shí)，近年來(lái)視頻傳感器的廣泛應(yīng)用以及測(cè)試計(jì)量技術(shù)及儀器領(lǐng)域中多傳感器融合的研究，催生了對(duì)視頻傳感器輸出數(shù)據(jù)自動(dòng)處理方面的需求，這對(duì)視覺(jué)目標(biāo)跟蹤技術(shù)的研究也起到了推動(dòng)作用。雖然經(jīng)過(guò)長(zhǎng)期深入研究后，人們提出了許多算法來(lái)解決不同應(yīng)用場(chǎng)景下的視

2、頻跟蹤問(wèn)題，但在實(shí)際環(huán)境中的應(yīng)用仍舊存在諸多難點(diǎn)。比如，目標(biāo)的表觀會(huì)隨著外界的背景擁簇、光照變化、其它物體的遮擋以及相對(duì)運(yùn)動(dòng)造成的運(yùn)動(dòng)模糊而發(fā)生改變；同時(shí)，視頻中的目標(biāo)在運(yùn)動(dòng)過(guò)程中自身還可能發(fā)生形變、旋轉(zhuǎn)和縮放等各種不可預(yù)知的復(fù)雜變化。這使得在實(shí)際環(huán)境中構(gòu)建具有普適性的、精準(zhǔn)穩(wěn)定的魯棒性視覺(jué)目標(biāo)跟蹤算法仍然是個(gè)極大的挑戰(zhàn)。
　　本文首先通過(guò)改進(jìn)視覺(jué)跟蹤算法中的目標(biāo)表觀建模方法，改善了復(fù)雜環(huán)境下的單視覺(jué)目標(biāo)的跟蹤效果。然后，通過(guò)縮減

3、計(jì)算半徑和Mean Shift預(yù)定位的方法，在不降低跟蹤準(zhǔn)確性的前提下提升了算法的跟蹤速度。本論文完成了如下研究工作：
　　在研究Mean Shift視覺(jué)目標(biāo)跟蹤算法和Haar特征的基礎(chǔ)上，通過(guò)對(duì)Haar特征值的規(guī)整化以及對(duì)數(shù)量化，改變了Haar特征值在各量化區(qū)間的分布。再進(jìn)一步利用亮度和顏色分離表示的 HSI顏色空間，提出了 Haar特征和顏色特征聯(lián)合構(gòu)建目標(biāo)表觀模型的方法。從而改善了目標(biāo)被相似物遮擋以及光照變化時(shí)Mean Sh

4、ift視覺(jué)目標(biāo)跟蹤算法的跟蹤效果。
　　在研究基于局部敏感直方圖的視覺(jué)目標(biāo)跟蹤算法的基礎(chǔ)上，首先對(duì)局部敏感直方圖快速算法的計(jì)算缺陷進(jìn)行了說(shuō)明；其次，通過(guò)在原有快速算法中的±45°方向上引入 L2范數(shù)度量的像素點(diǎn)間距離，修正了原有快速算法在±45°方向上的計(jì)算缺陷，得到了局部敏感直方圖快速算法的改進(jìn)算法；再次，利用L2范數(shù)與L1范數(shù)在±45°方向上對(duì)像素點(diǎn)間距離度量的差異性，得到了ELSH的次優(yōu)權(quán)重系數(shù)的自適應(yīng)生成方法；最后，通過(guò)引

5、入Bhattacharyya系數(shù)對(duì)模板間相似性進(jìn)行判定，修正了原始算法中通過(guò)比較特定位置來(lái)判斷模板間相似性的不足。最終，提出的基于8鄰域局部敏感直方圖的視覺(jué)目標(biāo)跟蹤算法，對(duì)亮度變化的目標(biāo)的跟蹤效果要優(yōu)于原始視覺(jué)目標(biāo)跟蹤算法下的跟蹤效果。
　　通過(guò)縮減8鄰域局部敏感直方圖的計(jì)算半徑，降低了基于8鄰域局部敏感直方圖視覺(jué)目標(biāo)跟蹤算法的跟蹤耗時(shí)。通過(guò)采用Mean Shift預(yù)定位的方法減緩了隨之而來(lái)的模版間相似性下降的問(wèn)題。利用基于局部敏