基于粒子濾波器的視頻目標跟蹤關鍵技術及其應用研究.pdf

1、視頻圖像序列的目標跟蹤是計算機視覺研究領域的熱點問題之一，廣泛地應用在視頻監(jiān)控、體育視頻戰(zhàn)術分析和訓練、智能人機交互等領域。視頻目標跟蹤的研究目的是模擬人類視覺運動感知功能，賦予機器辨識序列圖像中運動目標的能力，為視頻分析和理解提供重要的數據依據。視頻中，復雜的背景、光照變化、目標相互遮擋、目標交錯、目標姿態(tài)變化等許多干擾因素，使目標跟蹤成為計算機視覺領域的一個非常困難的問題。盡管很多研究者在本領域進行了較廣泛的研究，并提出了許多有效的

2、跟蹤方法，但是仍有很多關鍵問題沒有解決，迫切需要成熟穩(wěn)定的關鍵技術和方法。
　　本文針對在視頻目標跟蹤中受到研究人員廣泛關注的粒子濾波器算法的各個關鍵技術，為解決復雜跟蹤條件，目標變化外觀等難題，重點研究了遮擋情況下的目標跟蹤算法，精確的目標定位方法，以及具有變化外觀的目標表示方法等關鍵問題。主要研究成果包括：
　?。?）多區(qū)域聯(lián)合粒子濾波器算法
　　提出把目標表示為多個關鍵區(qū)域，并構建聯(lián)合粒子濾波器完成多個區(qū)域的聯(lián)合

3、跟蹤，來解決遮擋問題。采用這種多區(qū)域聯(lián)合跟蹤的思路，若某一子區(qū)域發(fā)生遮擋，則其狀態(tài)可由其它子區(qū)域聯(lián)合預測。算法通過基于多區(qū)域無向圖的聯(lián)合運動模型，構造聯(lián)合粒子濾波器，其中，采用馬爾可夫鏈蒙特卡洛方法取代重要性采樣,并運用區(qū)域關聯(lián)的觀測評估策略對目標狀態(tài)進行聯(lián)合預測，從而完成遮擋情況下目標的穩(wěn)定跟蹤。與采用單個區(qū)域進行粒子濾波跟蹤的方法相比，本文提出的算法在具有較長時間部分和全部遮擋的跟蹤問題上，取得了較好的實驗結果。
　?。?）概

4、率預測與分類結合的目標跟蹤定位方法
　　針對粒子濾波器對目標狀態(tài)預測精度較差的問題，提出將其與基于分類的目標定位相結合來完成目標跟蹤定位的方法。算法中，通過粒子濾波器預測出目標的狀態(tài)之后，對其所在的區(qū)域采用分類器進行進一步的精確定位。該方法，在初始幀構造前景背景聯(lián)合直方圖來形成正負樣本，提供給初始支持向量機進行訓練。在視頻序列的每個圖像幀運用基本粒子濾波器預測目標的近似狀態(tài)，形成一個待匹配區(qū)域，然后運用前一幀得到的支持向量機對該區(qū)

5、域的像素進行分類，從而定位目標位置。并在每幀不斷更新支持向量機，以使其能適應跟蹤條件的不斷變化。提出的方法與粒子濾波器的狀態(tài)估計方法和基于分類的目標定位方法相比，提高了跟蹤的精度。
　　（3）粒子濾波器中自適應多特征融合的目標外觀特征表示方法
　　為了適應跟蹤條件的變化，本文對目標表示方法提出自適應權值的多特征融合策略，并對自適應權值的調整給出了三種算法。其一，通過對粒子濾波器粒子分布的分析，設計了逐幀調整權重的方法。其二，

6、通過對人類視覺特性的分析，提出了主從式的權值調整策略。其三，考慮到權值變化在時間序列上的連續(xù)性，設計了一種權值跟蹤算法。所提出的三種權值更新方法，為跟蹤算法的精度和魯棒性提供了穩(wěn)定可靠的基礎。在具有不同跟蹤條件的視頻數據上的測試結果表明，這種基于自適應權值的多特征融合策略與現有的融合方法相比，取得了明顯的改進。
　?。?）短道速滑滑行數據測量系統(tǒng)
　　本文將所提出的多區(qū)域聯(lián)合粒子濾波器算法應用于短道速滑的滑行數據測量系統(tǒng)，實