基于粒子濾波的視覺目標(biāo)跟蹤方法關(guān)鍵技術(shù)研究.pdf

1、對視頻中運(yùn)動目標(biāo)進(jìn)行跟蹤,一直是計(jì)算機(jī)視覺領(lǐng)域中活躍的研究課題。目標(biāo)跟蹤融合了如圖像處理、模式識別、統(tǒng)計(jì)與機(jī)器學(xué)習(xí)和生物學(xué)等多方面的理論和方法,是一項(xiàng)跨越多個學(xué)科的綜合技術(shù)。作為一種較為基礎(chǔ)的技術(shù),目標(biāo)跟蹤融入到人們生產(chǎn)和生活的各個方面,在智能交通、智能監(jiān)控、汽車自動導(dǎo)航、智能人機(jī)交互和國防等領(lǐng)域有廣闊的應(yīng)用前景。準(zhǔn)確地跟蹤目標(biāo)是有效地進(jìn)行目標(biāo)識別與決策的前提條件,也是實(shí)現(xiàn)智能視覺系統(tǒng)的基礎(chǔ)。因此對目標(biāo)跟蹤方法的研究和優(yōu)化,以提高準(zhǔn)確率

2、是十分必要的。在此背景下,研究工作主要是探討基于粒子濾波的目標(biāo)跟蹤方法中一些關(guān)鍵技術(shù)。
　　提出了適用于標(biāo)定環(huán)境下的基于空間信息的目標(biāo)模型(SOM),該目標(biāo)表示模型基于攝像機(jī)模型和透視投影原理,根據(jù)攝像機(jī)的內(nèi)外參數(shù)而建立,該模型包含了現(xiàn)實(shí)三維場景與圖像平面的對應(yīng)關(guān)系。由該模型生成的用來表示行人目標(biāo)的四邊形區(qū)域可根據(jù)目標(biāo)在地平面上的不同位置自動調(diào)整尺寸大小和朝向。該模型適用于攝像機(jī)視角固定且攝像機(jī)內(nèi)外參數(shù)已知情況下的視頻行人目標(biāo)跟蹤

3、應(yīng)用。為驗(yàn)證該目標(biāo)表示模型的適用性,將該模型應(yīng)用于粒子濾波架構(gòu)下的行人跟蹤中。實(shí)驗(yàn)結(jié)果表明,基于空間信息的目標(biāo)表示模型的粒子濾波方法在行人跟蹤測試中比傳統(tǒng)的粒子濾波方法具有更高的穩(wěn)定性和精度。此外結(jié)合SOM、尺度不變特征變換(SIFT)特征和最小二乘估計(jì)(LSE)方法對行人旋轉(zhuǎn)角進(jìn)行估計(jì),也取得了理想的結(jié)果。文中最后指出了將SOM用于行人身高估計(jì)和行人檢測的基本思路和方法。
　　提出了一種適用于粒子濾波架構(gòu)下的基于全局和局部動態(tài)模

4、型的目標(biāo)跟蹤方法LDMPF。該方法根據(jù)目標(biāo)外觀的整體和局部分別建立動態(tài)系統(tǒng)模型,即全局動態(tài)模型(GDM)和局部動態(tài)模型(LDM)。LDMPF方法采用全局粒子濾波和局部粒子濾波實(shí)施全局粒子與局部粒子的采樣與狀態(tài)預(yù)測,從而實(shí)現(xiàn)目標(biāo)跟蹤。全局和局部動態(tài)模型同時進(jìn)行狀態(tài)推進(jìn)可以提高目標(biāo)跟蹤的精度。實(shí)驗(yàn)中將LDMPF方法分別與傳統(tǒng)的粒子濾波方法以及目前的幾種主流方法(?1Tracker,IVT、FragTrack等)進(jìn)行對比。實(shí)驗(yàn)結(jié)果表明LDMP

5、F方法在穩(wěn)定性和準(zhǔn)確性方面更具有優(yōu)勢,并能夠有效地克服半遮擋和漂移等問題。
　　鑒于當(dāng)前的目標(biāo)跟蹤中模板匹配策略存在的弊端,提出了一種具有局部性特征的局部動態(tài)模板(LDT)和針對該模板的模板預(yù)測、模板更新與遮擋檢測等新策略。LDT模板針對可能出現(xiàn)的遮擋與目標(biāo)外觀變化情況,對傳統(tǒng)的模板進(jìn)行了局部化改進(jìn),將原模板劃分為多個局部模板(塊)。結(jié)合LDT模板和粒子濾波,提出了一種基于LDT模板的目標(biāo)跟蹤方法LDTPF。LDTPF跟蹤過程中的

6、參考模板來自LDT模板動態(tài)預(yù)測生成。LDT模板能表示局部化特征和遮擋情況,并根據(jù)目標(biāo)外觀變化進(jìn)行實(shí)時地局部更新。在目標(biāo)跟蹤過程中,LDT中每個局部模板(塊)獨(dú)立更新,同時對每個局部塊進(jìn)行遮擋檢測。在實(shí)驗(yàn)中將LDTPF方法分別和傳統(tǒng)的粒子濾波方法與目前的幾種主流方法進(jìn)行對比,并且將LDT模板方法分別與SOM模型和LDM模型整合后進(jìn)行實(shí)驗(yàn)測試,實(shí)驗(yàn)結(jié)果表明基于LDT模板的LDTPF方法能更好地提高目標(biāo)跟蹤的穩(wěn)定性和準(zhǔn)確性,并能解決半遮擋條件