基于視覺顯著性的視頻目標跟蹤研究.pdf

1、目標跟蹤是計算機視覺重要研究方向，在安防、視頻監(jiān)控、智能交通和軍事制導等領域有著廣泛的應用。當前的視頻跟蹤技術在實際應用中仍然比較脆弱，面臨適應性差等許多挑戰(zhàn)性問題。如動對動跟蹤時，攝像機與目標位置相對劇烈變化，需要克服目標閃動、場景中大范圍噪聲干擾、光照變化導致的目標特征變化，解決目標被遮擋/丟失后的快速尋回等問題?，F有目標跟蹤算法很難有效應對上述問題。
　　人類視覺系統(tǒng)具有視覺注意機制，視覺注意引導人眼關注場景中最感興趣區(qū)域，

2、能夠避免大范圍的目標搜索問題，實現快速目標定位。本研究借鑒人類主動視覺機制提出新的視頻跟蹤算法。首先對視頻幀圖像進行快速視覺顯著性檢測，利用顯著性檢測結果，選取大顯著度點模擬人眼注視點，通過對每幀注視點的密集程度判斷是否存在疑似目標區(qū)域，最后利用目標區(qū)域內特征進行目標跟蹤。主要工作內容如下：
　　(1)提出一種新的目標跟蹤算法框架，分為自由搜索與跟蹤兩個部分：自由搜索過程中，相鄰幀的顯著目標質心位置若連續(xù)相近，則認為存在受注視的目

3、標區(qū)域，隨后算法轉入跟蹤狀態(tài)。跟蹤過程中，若相鄰幀的顯著目標區(qū)域特征相近，則保持跟蹤狀態(tài)，輸出跟蹤結果；如果連續(xù)若干相鄰幀顯著目標區(qū)域特征不符，則認為目標丟失，轉入自由搜索狀態(tài)。
　　(2)針對熱成像飛行物視頻中目標閃動/丟失，地面樹枝、空中云層干擾，目標被暫時遮擋等問題，先利用譜殘差算法檢測每幀圖像中像素的顯著度值，并借此減少有規(guī)律的紋理與光照變化干擾。算法只關注少數（<30個）顯著度值大的像素點，由這些點的聚集/分離程度和均值

4、位置來表示場景中最顯著目標質心。通過幀間最顯著區(qū)域位置和區(qū)域內目標的形狀特征來判斷與跟蹤目標。
　　(3)針對橄欖球比賽視頻中，目標特征變化、視角變化、目標遮擋、多個相似目標干擾等問題，首先利用超復數傅里葉變換改進傳統(tǒng)譜殘差算法，使之直接處理彩色幀圖像獲得顯著度圖。算法仍只關注少數顯著度值大的像素點，由其聚集/分離程度和均值位置來表示場景中最顯著目標。通過幀間最顯著區(qū)域位置特征和目標區(qū)域顏色矩特征來跟蹤目標。
　　(4)本文

5、提出的算法與當前兩種流行算法——CT(壓縮感知)和STC(時空上下文學習)算法進行實驗對比。實驗結果表明本文算法運行更快，無需人機交互;幾乎沒有參數調整，視頻跟蹤效果明顯優(yōu)于兩種對比算法。
　　本課題利用視覺顯著性模擬人眼注視，引導算法進行視頻目標跟蹤。帶來好處是：算法可對視頻場景中的顯著目標自動跟蹤，無需人工指定初始目標；能有效應對攝像頭閃動導致的目標丟失，迅速找回目標；能克服場景中的整體光照變化、大范圍紋理干擾、短時目標遮擋等