視頻目標跟蹤算法研究.pdf

1、視頻目標跟蹤是計算機視覺領域的核心問題，在民用和軍事上都具有廣泛地應用，如智能監(jiān)控、人機交互、機器人導航、醫(yī)學診斷以及精確制導武器等，近十幾年隨著信息技術(shù)的快速發(fā)展，目標跟蹤吸引了眾多研究者的關(guān)注，成為熱點研究問題。盡管人們已經(jīng)提出了許多有效的視頻目標跟蹤算法，但是在實際應用中視頻目標跟蹤仍然面臨許多困難，如光照變化、目標姿態(tài)的改變、非線性形變以及背景中的噪聲和干擾等，因此設計魯棒的視頻目標跟蹤算法仍然是一項具有挑戰(zhàn)性的任務。

2、本文從視頻跟蹤算法的兩個主要方面：濾波器設計和目標外觀模型設計，開展了深入的研究，并針對視頻目標跟蹤中的難點問題，提出了一些有效的新方法。 1.提出了一種基于顏色特征和自適應卡爾曼濾波的視頻目標跟蹤算法。該算法首先根據(jù)目標主要顏色的分布建立目標模型，能夠用較少的參數(shù)對目標進行準確的描述，其性能優(yōu)于常用的基于直方圖的目標模型。其次，將卡爾曼濾波應用于目標跟蹤中，并根據(jù)遮擋情況自適應調(diào)整濾波器參數(shù)，提高了跟蹤算法的魯棒性。實驗表明該

3、算法在目標外觀變化、遮擋等情況下能夠取得較好的跟蹤效果。 2.針對基于顏色分布的目標模型完全忽略了空間信息，難以準確跟蹤目標尺度變化的缺點，提出了一種基于空間約束顏色模型的概率目標跟蹤算法。該算法構(gòu)造了一種能夠同時反映目標顏色分布和空間結(jié)構(gòu)的空間約束顏色模型，提高了模型的分辨能力。同時，本文將空間約束顏色模型與粒子濾波相結(jié)合，顯著增強了跟蹤算法的抗干擾能力。實驗表明在目標具有明顯尺度變化、姿態(tài)改變和部分遮擋的情況下，該算法可以獲

4、得準確和魯棒的跟蹤結(jié)果。 3.為了適應在跟蹤過程中目標外觀的變化，提出了一種基于粒子濾波的目標模型更新算法。該算法利用目標狀態(tài)的后驗概率密度函數(shù)的分布和目標的外觀變化測度估計跟蹤的可靠性，僅在可靠跟蹤時進行模型更新，有效地避免了更新過程導致的模型漂移問題，顯著提高了跟蹤算法的魯棒性。 4.提出了一種基于團塊模型的目標跟蹤算法。該算法通過在圖像序列中連續(xù)地分割出目標的團塊特征，并利用團塊匹配的方法進行目標跟蹤?；趫F塊的目

5、標模型包含了目標的顏色、空間、形狀等信息，能夠較詳細描述目標的外觀結(jié)構(gòu)，因此在跟蹤中可以避免干擾物的影響。實驗表明該算法能夠有效實現(xiàn)復雜場景下的目標跟蹤。 5.針對紅外圖像信噪比低、對比度差、目標容易受到干擾等問題，提出了一種基于自適應特征選擇的紅外目標跟蹤算法。該算法通過分析目標及其周圍背景的灰度特征，選擇能夠有效區(qū)分目標和背景的灰度對目標建模，然后利用Mean Shift方法進行跟蹤。通過實時更新目標特征，該算法在目標和背景