自然場景下目標跟蹤算法的研究.pdf

1、近幾年，目標跟蹤技術(shù)被應(yīng)用在越來越多的領(lǐng)域，例如視頻監(jiān)控、輔助駕駛系統(tǒng)、軍事導航系統(tǒng)等。隨著目標跟蹤技術(shù)的廣泛應(yīng)用，其逐漸成為計算機視覺領(lǐng)域中的一個熱點研究課題，并引起了學者們的廣泛研究。目前，學者們提出了許多目標跟蹤算法，取得了一定的研究成果，但依舊存在一些難題，如非剛性目標的姿態(tài)變化、環(huán)境中的光照變化、遮擋等。由于在自然場景下，目標背景更加復雜，對跟蹤效果影響更大。因此，本文針對自然場景下的目標跟蹤進行了研究，主要研究內(nèi)容如下:

2、r>　　首先，介紹了目標跟蹤的基本理論。本文對目標跟蹤中常用的特征進行了簡單介紹與分析，主要有顏色特征、紋理特征、梯度特征。同時對論文中采用的跟蹤算法做了理論介紹，包括粒子濾波、卡爾曼濾波和均值漂移算法。
　　其次，為解決目標跟蹤過程中光照變化、姿態(tài)變化等問題，提出了一種基于局部敏感直方圖特征的稀疏表達跟蹤方法。對粒子濾波獲取的多個候選目標提取局部敏感直方圖特征，并根據(jù)模板字典，采用改進的L1范數(shù)模型求取每個候選目標的稀疏表示系數(shù)

3、;然后計算每個候選目標的權(quán)重，選取權(quán)重最大的候選目標作為跟蹤結(jié)果。實驗結(jié)果表明，本文算法能很好實現(xiàn)對目標的跟蹤，在解決光照變化、姿態(tài)變化等問題方面有較好的效果。
　　最后，提出了一種結(jié)合卡爾曼濾波的自適應(yīng)均值漂移交通標志牌跟蹤算法與清晰度識別方法。首先采用交通標志牌檢測算法獲取的目標狀態(tài)對跟蹤算法進行初始化，然后結(jié)合卡爾曼濾波與均值漂移算法對標識牌進行跟蹤;跟蹤過程中，用基于二次模糊的清晰度算法對標識牌的清晰度進行判別;當清晰度達