基于多特征融合的目標(biāo)跟蹤算法的研究.pdf

1、隨著智能監(jiān)控系統(tǒng)的普及，作為智能監(jiān)控系統(tǒng)關(guān)鍵技術(shù)之一，目標(biāo)跟蹤成為眾多學(xué)者們研究的熱點(diǎn)。然而，由于跟蹤場景的復(fù)雜性以及目標(biāo)自身因素的影響，采用單一的特征很難達(dá)到準(zhǔn)確跟蹤目標(biāo)的目的，跟蹤過程中往往需要用到目標(biāo)的多個不同特征，如顏色、剪影、特征點(diǎn)以及運(yùn)動特征等。本文提出了三種不同的多特征融合目標(biāo)跟蹤算法，主要工作以及創(chuàng)新點(diǎn)如下：
　?。?）提出了一種基于SURF算法的兩階段匹配跟蹤算法，該算法融合了特征點(diǎn)以及顏色特征。首先，為了提高S

2、URF匹配點(diǎn)的準(zhǔn)確性，用傳統(tǒng)算法匹配特征點(diǎn)以后再利用特征點(diǎn)的主方向信息剔除部分誤匹配點(diǎn)。該算法還建立了一個存儲十個模板的緩沖區(qū)，并使用固定模板對目標(biāo)進(jìn)行二次跟蹤定位，來解決局部遮擋、目標(biāo)形態(tài)變化以及跟蹤誤差的累積問題。對于某些特征點(diǎn)不足的幀，使用Meanshift算法代替SURF算法通過目標(biāo)的顏色信息跟蹤目標(biāo)，實(shí)驗(yàn)表明該算法對于形態(tài)變化以及局部遮擋的目標(biāo)都有很好的跟蹤效果。
　?。?）提出了一種融合剪影、顏色以及運(yùn)動特征的自適應(yīng)帶

3、寬Meanshift目標(biāo)跟蹤算法，該算法首先提取每幀圖像的前景目標(biāo)剪影，然后利用前后幀間同一目標(biāo)對應(yīng)的前景目標(biāo)區(qū)域的面積變化，將跟蹤過程分為正常、遮擋、分離三種情況。正常跟蹤情況下利用與目標(biāo)匹配的前景目標(biāo)自適應(yīng)的調(diào)整Meanshift的帶寬以及跟蹤框的大小，減少了背景對Meanshift算法的影響。遮擋情況下分別采用Meanshift跟蹤以及本文提出的自適應(yīng)運(yùn)動估計(jì)兩種不同的跟蹤策略。分離時采用中心距離、面積差以及巴氏系數(shù)差加權(quán)的形式求

4、取與目標(biāo)代價函數(shù)最小的前景目標(biāo)區(qū)域，并將該區(qū)域的位置確定為目標(biāo)的最終位置。通過仿真實(shí)驗(yàn)證明該算法能夠較好的跟蹤被遮擋的目標(biāo)。
　?。?）基于第二個研究點(diǎn)，提出了基于Kalman濾波與KM算法的多目標(biāo)跟蹤算法，該算法同時融合了剪影、顏色以及運(yùn)動特征，跟蹤過程也分為三種情況。正常情況下，采用Kalman濾波代替前面的Meanshift算法加快跟蹤速度，并添加KM算法解決多目標(biāo)與前景目標(biāo)的數(shù)據(jù)關(guān)聯(lián)問題。遮擋情況下，采用最大協(xié)方差相關(guān)系數(shù)