智能視頻臨控系統(tǒng)中運(yùn)動(dòng)目標(biāo)的跟蹤算法研究.pdf

1、基于視頻的運(yùn)動(dòng)目標(biāo)跟蹤長期以來都是計(jì)算機(jī)視覺、圖像處理和模式識(shí)別領(lǐng)域中一個(gè)非常重要和活躍的研究課題。近年來,它主要被應(yīng)用于智能視頻監(jiān)控系統(tǒng)中。在智能視頻監(jiān)控系統(tǒng)中,對(duì)不同環(huán)境條件下的運(yùn)動(dòng)目標(biāo)進(jìn)行準(zhǔn)確跟蹤是視頻跟蹤研究的一個(gè)挑戰(zhàn),也是目前實(shí)際應(yīng)用中一個(gè)亟待解決的難題。論文針對(duì)不同場(chǎng)景下運(yùn)動(dòng)目標(biāo)的跟蹤問題,以基于Mean Shift的運(yùn)動(dòng)目標(biāo)跟蹤算法為研究核心,主要工作如下:
　　 介紹了基于視頻的目標(biāo)跟蹤技術(shù)的研究現(xiàn)狀,對(duì)各種基于

2、視頻的運(yùn)動(dòng)目標(biāo)跟蹤算法進(jìn)行了分類并指出了各種目標(biāo)跟蹤算法的優(yōu)缺點(diǎn)。討論了基于視頻的目標(biāo)跟蹤技術(shù)中目標(biāo)跟蹤特征的類型以及在不同跟蹤算法中的應(yīng)用,同時(shí)指出了這些特征所具有的優(yōu)缺點(diǎn)。
　　 闡述了Mean Shift算法原理及其在運(yùn)動(dòng)目標(biāo)跟蹤中的應(yīng)用。在視覺跟蹤中過程中,通常需要用戶在視頻序列的第一幀選定跟蹤目標(biāo),并建立該目標(biāo)的直方圖。根據(jù)Bhattacharyya系數(shù),Mean Shift算法在后續(xù)幀中迭代的搜索目標(biāo)模型的最佳候選區(qū)

3、域,該方法使Mean Shift算法在跟蹤中表現(xiàn)出良好的性能,比如,實(shí)時(shí)性好,對(duì)部分遮擋、目標(biāo)形變具有魯棒性等。但當(dāng)目標(biāo)和背景過于相似,它們之間的可分性很差時(shí),該建模方法就很難區(qū)分目標(biāo)和背景,致使算法跟蹤失敗。
　　 在Mean Shift跟蹤算法中,一般采用歸一化的加權(quán)顏色直方圖作為目標(biāo)模式的描述方式。歸一化的顏色直方圖是目標(biāo)顏色概率密度分布的離散估計(jì)。由于顏色直方圖描述的是目標(biāo)整體的統(tǒng)計(jì)特征,并沒有包含目標(biāo)的空間信息,因此,

4、采用對(duì)目標(biāo)區(qū)域分塊的方法,并分別計(jì)算每個(gè)分塊的Bhattacharyya系數(shù),然后選擇Bhattacharyya系數(shù)最大的子塊的中心位置來計(jì)算整個(gè)目標(biāo)的中心位置,然后利用該位置來更新其它Bhattacharyya系數(shù)相對(duì)較小的子塊的位置坐標(biāo)。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效跟蹤運(yùn)動(dòng)目標(biāo),具有很好的精確性和魯棒性。
　　 針對(duì)Mean Shift目標(biāo)跟蹤算法框架中只使用單一顏色特征表示跟蹤目標(biāo)的問題,該方法引入顏色和紋理綜合直方圖的目

5、標(biāo)建模方法代替單一的顏色直方圖建模方法。又由于傳統(tǒng)的Mean Shift目標(biāo)跟蹤算法,缺乏一種預(yù)測(cè)更新機(jī)制,在復(fù)雜的目標(biāo)跟蹤場(chǎng)景中進(jìn)行跟蹤,往往導(dǎo)致跟蹤的失敗的問題,引入Kalman濾波的方法,預(yù)測(cè)出運(yùn)動(dòng)目標(biāo)在本幀中的大概位置點(diǎn),將其作為Mean Shift迭代的起始點(diǎn),然后用Mean Shift算法在該點(diǎn)的鄰域內(nèi)尋找目標(biāo)的真實(shí)位置,即可解決運(yùn)動(dòng)目標(biāo)的遮擋問題。試驗(yàn)證明該算法在運(yùn)動(dòng)目標(biāo)姿態(tài)、光照及運(yùn)動(dòng)方向變化的情況下也能達(dá)到很好的跟蹤效