基于特征鑒別性分析的視頻目標跟蹤抗遮擋算法研究.pdf

1、視覺跟蹤技術(shù)是計算機視覺領域的一個備受關(guān)注的前沿課題，在機器人自主導航、軍事制導、虛擬現(xiàn)實及醫(yī)療診斷等多方面有著廣闊的應用前景。近年來，隨著計算機技術(shù)和傳感器技術(shù)的迅速發(fā)展，經(jīng)過各國研究人員的努力和相關(guān)研究工作的廣泛開展，相繼提出了許多新理論和有效的跟蹤算法，部分成果已在實際的工程中得到廣泛的應用。然而，由于跟蹤過程中復雜背景、光照變化、目標旋轉(zhuǎn)、遮擋和運動隨機性等因素的干擾，目標跟蹤技術(shù)在理論和應用上仍然存在著許多不完善和尚待解決的問

2、題，所以要開發(fā)出不受約束、實時的目標跟蹤算法具有一定的學術(shù)價值和應用價值。
　　本文在研究粒子濾波算法（Particle Filter）和均值偏移算法(Mean Shift)基礎上，分別從模型的精確表征、遮擋的判斷以及抗遮擋算法自身的改進三個方面進行本文的研究。
　　(1)針對固定特征集表征目標模型不精確、難以適應動態(tài)場景變化的問題，本文通過將目標與背景視為二分類問題，將貝葉斯錯誤率作為衡量目標與背景圖像特征分布鑒別性的度量

3、函數(shù)，選擇出鑒別性較大的特征對目標模型進行表征。該方法首先在第一幀中提取目標區(qū)域和背景區(qū)域的顏色、邊緣和紋理特征分布函數(shù)；其次，通過貝葉斯錯誤率來度量每種特征的鑒別能力，選取鑒別性較大的兩個特征來表征目標模型；最后，在Mean Shift框架下，使用Bhattacharyya系數(shù)度量不同幀中模型間的相似程度，并將選取特征模型的 Bhattacharyya系數(shù)作為各個特征的融合權(quán)重，同時引入模板更新策略進行模板的自適應更新，提高跟蹤結(jié)果的

4、準確性和魯棒性。
　　(2)針對傳統(tǒng)目標跟蹤算法對遮擋場景判斷不準確、實時性不高的問題，本文通過對Bhattacharyya系數(shù)判斷遮擋的深入分析，引入對搜索區(qū)域像素進行統(tǒng)計的最大后驗概率系數(shù)作為遮擋場景中的判斷因子，并且采用兩種特征（顏色和紋理）描述模型。當判斷遮擋場景出現(xiàn)時，及時使用兩種特征的最大后驗概率系數(shù)進行兩種特征的加權(quán)融合，使目標模型能夠適應遮擋場景，并且及時更新目標模板，避免模型的漂移。有效克服了Bhattachar

5、yya系數(shù)忽略搜索區(qū)域像素的統(tǒng)計以及對周圍背景類特征抑制能力弱的缺點，從而提高算法跟蹤的準確性和實時性。
　　(3)針對在遮擋場景下，粒子濾波算法內(nèi)嵌入Mean Shift算法造成粒子的“過優(yōu)化”，導致粒子陷入遮擋所在區(qū)域的局部極大值問題，本文通過分析兩種算法在遮擋場景中的優(yōu)缺點。綜合考慮Mean Shift算法所需參數(shù)少、計算速度快以及粒子濾波算法不受先驗分布及狀態(tài)轉(zhuǎn)移模型的限制等優(yōu)點在重要性采樣階段，一部分粒子從建議分布函數(shù)中