基于自適應(yīng)策略的實時目標(biāo)跟蹤方法.pdf

1、傳統(tǒng)的視頻監(jiān)控系統(tǒng)可對視頻圖像進行實時觀看、保存及回放等功能，但不能自動的進行報警。然而，智能視頻監(jiān)控通過先進的視覺技術(shù)對視頻信號進行分析和處理，使得計算機能夠過濾掉用戶不關(guān)心的目標(biāo)信息，從而為用戶提供對監(jiān)控有幫助的信息。在無人監(jiān)控的情況下，通過分析視頻圖像中的變化自動的進行識別和跟蹤，并在此條件下判斷和理解目標(biāo)的行為，可以在異常行為出現(xiàn)時第一時間報警或給控制室提供具有幫助的信息，其中視頻圖像中的目標(biāo)跟蹤是計算機視覺技術(shù)中的熱點問題。<

2、br>　　目標(biāo)跟蹤即在視頻序列中估計被跟蹤目標(biāo)的正確位置，它在人機交互、行為識別、運動分析、視頻監(jiān)控、機器人技術(shù)等多個應(yīng)用領(lǐng)域扮演著重要角色。由于自然場景中存在復(fù)雜的干擾因素，如:嚴(yán)重遮擋、部分遮擋、平面內(nèi)外轉(zhuǎn)動、運動模糊、光照變化、背景混亂及尺度變化等，現(xiàn)有跟蹤算法在速度和精度方面仍存在不足。
　　為了改善復(fù)雜環(huán)境下目標(biāo)跟蹤的精確性和健壯性，本文首先分析了基于顏色屬性的目標(biāo)跟蹤算法的不足，并通過改進其計算當(dāng)前幀訓(xùn)練樣本的方法，即

3、當(dāng)前幀與前一幀樣本差異比較小時，綜合考慮當(dāng)前幀及前一幀樣本，通過給予不同的權(quán)重來獲得最佳訓(xùn)練樣本。相反，兩者差異比較大時，通過當(dāng)前幀計算得到最佳訓(xùn)練樣本，從而使得算法更為魯棒且速度達到實時。
　　遮擋是視頻跟蹤課題中經(jīng)常遇到的難題之一，由于顏色屬性跟蹤算法采用了近似于模板匹配的方式搜索目標(biāo)區(qū)域，無論綜合前一幀和當(dāng)前幀的數(shù)據(jù)做訓(xùn)練樣本還是僅使用當(dāng)前幀或前一幀作為訓(xùn)練樣本，均難以取得較好的跟蹤效果。為此，在這一情況下，本文嘗試?yán)糜嬎?/p>

4、復(fù)雜度更大但更為魯棒的稀疏協(xié)作表觀模型算法重新計算當(dāng)前幀的目標(biāo)位置。不足之處在于，其計算復(fù)雜度高、耗時長、難以實時。
　　為了同時保證算法的速度和準(zhǔn)確性，本文構(gòu)建了一套基于跟蹤結(jié)果置信度評量的策略選擇機制，將兩種算法進行有機整合，提出一種基于自適應(yīng)策略的實時目標(biāo)跟蹤方法。在多個公開數(shù)據(jù)集下的對比實驗顯示，與現(xiàn)有跟蹤算法相比，本文方法在跟蹤效果和速度上具有較顯著優(yōu)勢，并在目標(biāo)存在尺度變化、背景混亂、嚴(yán)重遮擋等情況時，均能得到較好的跟