基于視覺(jué)的車(chē)輛跟蹤算法研究.pdf

1、基于視覺(jué)的目標(biāo)跟蹤一直以來(lái)都是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)重要而富有挑戰(zhàn)性的研究熱點(diǎn)，視覺(jué)目標(biāo)跟蹤算法引起人們?cè)絹?lái)越多的關(guān)注，并且在軍事和民用的許多領(lǐng)域（如：智能交通、智能視頻監(jiān)控、機(jī)器人）等都具有極為廣泛的應(yīng)用前景。盡管視覺(jué)跟蹤的研究超過(guò)30年，并且涌出大量的相關(guān)算法，但要想設(shè)計(jì)一個(gè)具有普適性的實(shí)時(shí)的、魯棒的、精準(zhǔn)穩(wěn)定的視覺(jué)目標(biāo)跟蹤系統(tǒng)來(lái)滿足實(shí)際需求，仍然面臨著很大的挑戰(zhàn)。
　　在復(fù)雜場(chǎng)景中，尤其是目標(biāo)和背景的分辨度很低的情況下，外觀模型

2、在辨識(shí)目標(biāo)與背景中起到十分重要的作用。跟蹤過(guò)程中，把握目標(biāo)外觀變化很重要，包括本身變化（例如目標(biāo)姿勢(shì)改變和形狀改變）和外在變化（例如光線和遮擋問(wèn)題）。目標(biāo)跟蹤要適應(yīng)這些變化，外觀模型應(yīng)有兩個(gè)重要特性：自適應(yīng)性，即外觀模型能夠適應(yīng)本身變化，不斷地進(jìn)行更新；魯棒性，即外觀模型能夠適應(yīng)外在變化。目標(biāo)搜索在很多跟蹤算法中的時(shí)間復(fù)雜度很高，而后續(xù)高級(jí)應(yīng)用（行為識(shí)別和檢索）對(duì)實(shí)時(shí)性要求又很苛刻，因此如何降低目標(biāo)搜索的耗時(shí)也是一個(gè)非常重要的問(wèn)題。另外

3、，目標(biāo)搜索過(guò)程與實(shí)時(shí)外觀模型息息相關(guān)，在搜索過(guò)程中掌握外觀變化也十分重要。本文對(duì)以上兩個(gè)問(wèn)題進(jìn)行了深入的研究，具體包括：
　　1、針對(duì)多目標(biāo)跟蹤中全局目標(biāo)搜索方法造成的耗時(shí)過(guò)多，效率不高的的問(wèn)題。本文提出了一種基于運(yùn)動(dòng)估計(jì)和結(jié)構(gòu)約束相結(jié)合的搜索方法。該方法在計(jì)算多個(gè)目標(biāo)搜索范圍時(shí)，首先計(jì)算其中一個(gè)目標(biāo)的運(yùn)動(dòng)矢量,結(jié)合上一幀該目標(biāo)的位置，對(duì)當(dāng)前幀該目標(biāo)運(yùn)動(dòng)方向和尺度進(jìn)行預(yù)測(cè)；再根據(jù)多目標(biāo)之間的結(jié)構(gòu)約束關(guān)系，計(jì)算其他跟蹤目標(biāo)精確的搜索

4、方向和范圍。實(shí)驗(yàn)結(jié)果表明，該方法在不影響跟蹤準(zhǔn)確率的情況下，大大縮小的搜索范圍，提高了搜索效率，從而簡(jiǎn)化了多目標(biāo)跟蹤算法的時(shí)間復(fù)雜度。
　　2、基于核的結(jié)構(gòu)輸出跟蹤算法，該算法能夠很容易地將多種圖像特征信息和核函數(shù)結(jié)合在一起進(jìn)行跟蹤，算法適用的目標(biāo)范圍擴(kuò)大而且對(duì)噪聲具有較高的魯棒性，但是不能解決跟蹤目標(biāo)在跟蹤過(guò)程中尺度變化的問(wèn)題，若目標(biāo)尺度變化較大，會(huì)造成目標(biāo)跟蹤失敗。本文在該算法的基礎(chǔ)上引入對(duì)數(shù)極坐標(biāo)變換的理論，該理論存在兩個(gè)重