適應(yīng)于光照變化的多區(qū)域目標(biāo)跟蹤算法研究.pdf

1、近年來，目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個非常重要部分并得到了廣泛的應(yīng)用，如視頻監(jiān)督、活動分析、運(yùn)動分類與識別、人機(jī)交互。隨著高性能計(jì)算機(jī)、大容量存儲器和高質(zhì)量攝影機(jī)不斷出現(xiàn)，與不斷增長的視頻分析技術(shù)需求使得目標(biāo)跟蹤具有良好的應(yīng)用前景。
　　本課題研究目的有兩點(diǎn)：一是研究了目標(biāo)跟蹤的基本框架及各個模塊的不同分類方法；二是基于多區(qū)域目標(biāo)跟蹤算法雖然能夠適用遮擋處理，但是該算法很難適應(yīng)光照變化。本課題研究的主要內(nèi)容有四部分：
　　首

2、先，研究了目標(biāo)跟蹤的基本組成框架，對各個模塊不同分類方法進(jìn)行了細(xì)致的研究，并且介紹了各個模塊中比較經(jīng)典的算法和適用環(huán)境。
　　其次，對目前比較經(jīng)典算法—一種經(jīng)典基于多區(qū)域的強(qiáng)魯棒性算法進(jìn)行了分析，該算法模板使用多重區(qū)域表示，這些區(qū)域結(jié)構(gòu)可以隨機(jī)選取而不需要根據(jù)目標(biāo)模型進(jìn)行選擇，每個區(qū)域通過計(jì)算該區(qū)域直方圖與候選點(diǎn)直方圖得到對當(dāng)前幀候選點(diǎn)進(jìn)行投票矩陣，然后通過投票矩陣得到最佳匹配點(diǎn)。算法的關(guān)鍵是使用積分直方圖結(jié)構(gòu)，它能夠有效提取多區(qū)

3、域直方圖，該算法能夠克服傳統(tǒng)直方圖的多個缺陷：部分遮擋或姿態(tài)改變、有效利用空間信息、跟蹤大目標(biāo)計(jì)算量與跟蹤小目標(biāo)計(jì)算量相同。
　　然后，分析了基于多區(qū)域的強(qiáng)魯棒性跟蹤算法的兩個缺點(diǎn)：對光照變化敏感和模板難以適用場景變化。介紹一種局部敏感直方圖算法，不像傳統(tǒng)灰度直方圖在像素點(diǎn)對應(yīng)的維度加1，局部敏感直方圖在相應(yīng)像素點(diǎn)的維度區(qū)域加上一個浮點(diǎn)型數(shù)據(jù)，它隨著距離從計(jì)算直方圖像素點(diǎn)位置到該點(diǎn)的距離呈指數(shù)下降，這樣圖像中每個像素點(diǎn)都考慮到但是

4、那些距離較大的點(diǎn)將會被忽略，因?yàn)樗鼈兎峙淞烁〉臋?quán)值。基于光照不變特征的跟蹤框架包括兩個部分：光照不變特征和多區(qū)域跟蹤算法。
　　最后，通過9組不同特性的數(shù)據(jù)集對算法從兩方面進(jìn)行了比較：中心錯誤率（像素）和成功跟蹤率。最終通過仿真測試得出結(jié)論：基于光照不變特征算法比基于多區(qū)域的強(qiáng)魯棒性目標(biāo)跟蹤算法魯棒性更強(qiáng)，能夠適應(yīng)更多復(fù)雜場景下目標(biāo)跟蹤。
　　本課題研究初步取得了成功，但尚有一些問題需要解決。比如目標(biāo)快速移動、背景混亂、長