像素點特征加權的尺度自適應跟蹤算法研究.pdf

1、目標跟蹤是計算機視覺領域的一個研究熱點，隨著智能視頻監(jiān)控系統(tǒng)和智能駕駛的廣泛應用，目標跟蹤技術面臨越來越多的挑戰(zhàn)。針對目標運動過程中的姿態(tài)變化、旋轉、干擾以及縮放等情況，以Mean-shift算法為跟蹤框架，通過在構建目標模型、實現目標尺度自適應以及模型更新方面進行改進，提出結合像素點特征加權的尺度自適應跟蹤算法。
　　首先利用目標區(qū)域中每個像素點的顏色特征和位置特征，建立目標模型。在目標區(qū)域中，每一個像素點在區(qū)分背景及目標時所起

2、的作用差別很大，就像人在識別快速運動的物體時總是根據一些非常顯著的特征。目標模型中不同像素點在目標識別中的作用不同，為了讓具有顯著特征的像素點在目標模型中具有更重要的作用，同時避免多種特征融合時帶來的計算壓力，將目標區(qū)域中每個像素點的顏色特征和位置特征作為顯著特征，對顏色較顯著的點賦予較大的權值，對離中心點較近的點賦予較大的權值，得到目標區(qū)域中每個像素點的加權系數，并與抑制背景相似特征系數相結合，從而構建一個新的目標模型。
　　其

3、次用目標的平均權值圖估算尺度變化系數，以實現目標尺度的自適應。目標在運動時，由于觀測角度和距離的改變，觀測到的目標尺度也經常發(fā)生變化。為了實現跟蹤尺度的自適應，全面準確的描述目標特征，提出用連續(xù)兩幀中目標區(qū)域像素點的平均權值圖之比作為尺度變化系數，結合目標初始平均權值圖進行修正，并利用之前各幀的目標尺度對下一幀的目標尺度進行預測，在保證跟蹤過程簡單、高效的同時，實現一定程度的尺度自適應。
　　最后構建一個更新模型，對跟蹤過程中的目