基于視頻序列的單-多目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤是計算機視覺領(lǐng)域的研究重點和熱點之一，它融合了圖像處理、人工智能、自動控制以及模式識別等眾多領(lǐng)域的先進技術(shù)，在人機交互、智能視頻監(jiān)控、機器人視覺導(dǎo)航、醫(yī)療診斷領(lǐng)域都有著廣泛的應(yīng)用。盡管近年了人們提出了許多視頻目標(biāo)跟蹤方法，但是目標(biāo)自身特征的多樣性、目標(biāo)自身外觀與環(huán)境的變化、目標(biāo)之間的相互遮擋使得設(shè)計一種魯棒的、穩(wěn)定的目標(biāo)跟蹤方法仍是一項具有挑戰(zhàn)性的工作。
　　視頻目標(biāo)跟蹤按照跟蹤目標(biāo)的個數(shù)可分為單目標(biāo)跟蹤和多目標(biāo)跟蹤，

2、按照目標(biāo)是否自動初始化可分為全自動跟蹤和半自動跟蹤。本文對固定背景下半自動單目標(biāo)跟蹤和以行人為主要研究對象的全自動多目標(biāo)跟蹤問題進行了研究。主要的工作和研究成果如下:
　　1.在線boosting算法將目標(biāo)跟蹤問題看作二值分類問題，由于其在線學(xué)習(xí)的功能，對外觀的變化有很好的自適應(yīng)性。但當(dāng)目標(biāo)被嚴(yán)重遮擋或者完全遮擋時，采用在線boosting算法會導(dǎo)致錯誤累計而使跟蹤失敗。針對在線boosting算法的不足，提出一種基于粒子濾波框架

3、的在線boosting目標(biāo)跟蹤算法，以粒子所在區(qū)域的置信度作為粒子的權(quán)重，解決了目標(biāo)發(fā)生嚴(yán)重遮擋時的目標(biāo)跟蹤問題。
　　2.將基于統(tǒng)計學(xué)習(xí)的目標(biāo)檢測與基于運動的目標(biāo)檢測兩類算法結(jié)合，提出了一種Vibe-Hog的運動行人檢測算法。首先，使用Vibe算法提取出運動區(qū)域，并采用形態(tài)學(xué)濾波和鄰近區(qū)域合并策略去除噪聲的影響。然后，在提取出的運動區(qū)域內(nèi)使用(Hog+SVM)行人檢測分類器，進一步提取行人目標(biāo)。本文算法減少了冗余檢測區(qū)域，提高了