基于形態(tài)模型的目標(biāo)跟蹤的研究.pdf

1、目標(biāo)追蹤的是許多像視頻監(jiān)視(surveillance),基于視覺(jué)的控制,人機(jī)交互接口(human-computer interface),虛擬現(xiàn)實(shí)(augmented real-ity)等應(yīng)用的中心問(wèn)題。主要的方法分為確定性方法,即把問(wèn)題當(dāng)成一個(gè)優(yōu)化問(wèn)題來(lái)最大化一個(gè)相似度,如SSE, Meanshift等。另一種是基于概率的方法,如particle filter。本文首先簡(jiǎn)單介紹了一下當(dāng)前目標(biāo)追蹤算法的研究現(xiàn)狀。之后,我們把目標(biāo)追蹤算法

2、分成三個(gè)主要組成部分(相似度規(guī)則,搜索算法和更新規(guī)則),分別加以討論。并在后面的論述中,我們將主要圍繞這三個(gè)組成部分來(lái)介紹。從第二至第四章,我們每一章將重點(diǎn)介紹一個(gè)目標(biāo)跟蹤算法。第二章中,我們主要處理的問(wèn)題是光照敏感性的問(wèn)題。我們基于子空間算法的框架,結(jié)合使用基于梯度方向的圖像特征,并且在理論上給出了使用梯度方向向量在光照條件變化的情況下具有一定的魯棒性。另外,通過(guò)實(shí)驗(yàn),我們也充分表明了我們的算法優(yōu)于直接使用原始像素點(diǎn)的子空間算法。在第

3、三章中,我們主要解決的是遮擋問(wèn)題。由于遮擋問(wèn)題對(duì)目前的目標(biāo)追蹤問(wèn)題來(lái)講,是一個(gè)非常嚴(yán)重并且很難解決的問(wèn)題。為了解決這個(gè)問(wèn)題,我們使用Robust PCA來(lái)取代PCA,這樣做的效果非常明顯。它不但在預(yù)測(cè)目標(biāo)對(duì)象位置時(shí),能準(zhǔn)確的判別對(duì)象位置,無(wú)論有多大的遮擋存在。另外,它也可以作為一種標(biāo)準(zhǔn)用以控制模板的更新?；赗obust PCA的結(jié)果,我們提出了遮擋處理策略。也就是把每幀的目標(biāo)對(duì)象與一個(gè)狀態(tài)相關(guān)聯(lián),每個(gè)狀態(tài)都有一固定的動(dòng)作。狀態(tài)之間的轉(zhuǎn)

4、化主要根據(jù)Robust PCA的結(jié)果。通過(guò)這個(gè)策略,我們很好的解決了目標(biāo)對(duì)象的更新問(wèn)題。在第四章中,我們放棄了使用子空間的算法框架,轉(zhuǎn)而優(yōu)化粒子濾波器的Proposal Distribution。通過(guò)引入基于霍夫變換的粒子濾波器框架,把原先的算法發(fā)成兩部分,首先是通過(guò)霍夫變化來(lái)求出目標(biāo)對(duì)象中心的一個(gè)粗略位置,然后使用Haar特征的粒子濾波器算法來(lái)優(yōu)化這個(gè)結(jié)果。在更新模板過(guò)程中,我們充分使用了兩種的方法優(yōu)點(diǎn),設(shè)計(jì)了一種更新策略。在第五章中