基于多層顯著前景塊的目標跟蹤.pdf

1、視覺跟蹤技術一直以來都受到研究學者的青睞，是計算機視覺研究領域的研究熱點和難點，也是很多高層應用的基礎，在近幾十年取得到了長足的發(fā)展。但是目前的跟蹤技術仍然受到現實條件的嚴重制約和限制，比如光照變化、目標形變、遮擋、尺度變化及噪聲等，穩(wěn)定、可靠、高效的視覺跟蹤算法還未成熟。因此，研究設計一個高效、穩(wěn)定、可靠的視覺跟蹤算法有著十分重要的現實意義。
　　本文主要的研究工作內容和成果如下:
　　一、調研了視覺跟蹤算法的研究現狀，總

2、結和介紹了視覺跟蹤算法的現狀和一般算法處理過程，并詳細介紹了相關的理論知識。由于本文跟蹤方法的重點在于外觀模型的建立，并基于貝葉斯估計模型進行目標跟蹤，所以本文對外觀模型理論和用于視覺跟蹤的貝葉斯估計理論做了相關介紹。
　　二、圍繞前景建模，提出多層顯著前景塊模型。在大多數的在線目標跟蹤方法中，目標通常用矩形框來標記。矩形框內不僅包含了全部的目前信息，同時包含了背景信息。包含的背景信息在一定程度上影響了目標模板的精確性，削弱了前景

3、背景的區(qū)分，降低了目標跟蹤效果。針對此問題，本文提出了一種基于前景背景相似性度量的顯著前景提取方法，以此建立更加準確的顯著的前景模型，增強前景模板表示，提升了跟蹤效果。同時，為了應對光照變化帶來的前景外觀變化，提出一種與顯著前景塊模型適應的模板更新方法，形成了多層前景模型。實驗結果表明，該方法能有效應對光照變化、目標變形、背景混淆等影響因素，取得較好的跟蹤效果。
　　三、提出了一種新的置信度圖計算方法，以創(chuàng)建目標前景的統計形態(tài)模型

4、，用于目標跟蹤。首先，從前景背景分類的角度出發(fā)，分析并提出了前景背景分類理論的形式化表達。然后，初始化前景背景模型，并提出了一種新的置信度圖計算方法，形成統計形態(tài)模型。統計形態(tài)模型以簡單統計方法計算得到的像素統計形態(tài)分布比例值為基礎，該比例值反映了像素的前景置信度，也在一定程度上反應了前景分布情況。以統計形態(tài)分布比例值為基礎，運用掩碼方式形成統計形態(tài)分布比例值掩碼。最終，結合此掩碼進行目標跟蹤。實驗表明，本文提出的基于統計形態(tài)模型的目標