基于特征鑒別性分析的視頻目標(biāo)跟蹤抗遮擋算法研究.pdf

1、視覺跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)備受關(guān)注的前沿課題，在機(jī)器人自主導(dǎo)航、軍事制導(dǎo)、虛擬現(xiàn)實(shí)及醫(yī)療診斷等多方面有著廣闊的應(yīng)用前景。近年來，隨著計(jì)算機(jī)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(shí)際的工程中得到廣泛的應(yīng)用。然而，由于跟蹤過程中復(fù)雜背景、光照變化、目標(biāo)旋轉(zhuǎn)、遮擋和運(yùn)動(dòng)隨機(jī)性等因素的干擾，目標(biāo)跟蹤技術(shù)在理論和應(yīng)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(shí)時(shí)的目標(biāo)跟蹤算法具有一定的學(xué)術(shù)價(jià)值和應(yīng)用價(jià)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(chǔ)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(jìn)三個(gè)方面進(jìn)行本文的研究。
　　(1)針對(duì)固定特征集表征目標(biāo)模型不精確、難以適應(yīng)動(dòng)態(tài)場(chǎng)景變化的問題，本文通過將目標(biāo)與背景視為二分類問題，將貝葉斯錯(cuò)誤率作為衡量目標(biāo)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(duì)目標(biāo)模型進(jìn)行表征。該方法首先在第一幀中提取目標(biāo)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(cuò)誤率來度量每種特征的鑒別能力，選取鑒別性較大的兩個(gè)特征來表征目標(biāo)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(gè)特征的融合權(quán)重，同時(shí)引入模板更新策略進(jìn)行模板的自適應(yīng)更新，提高跟蹤結(jié)果的

4、準(zhǔn)確性和魯棒性。
　　(2)針對(duì)傳統(tǒng)目標(biāo)跟蹤算法對(duì)遮擋場(chǎng)景判斷不準(zhǔn)確、實(shí)時(shí)性不高的問題，本文通過對(duì)Bhattacharyya系數(shù)判斷遮擋的深入分析，引入對(duì)搜索區(qū)域像素進(jìn)行統(tǒng)計(jì)的最大后驗(yàn)概率系數(shù)作為遮擋場(chǎng)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(dāng)判斷遮擋場(chǎng)景出現(xiàn)時(shí)，及時(shí)使用兩種特征的最大后驗(yàn)概率系數(shù)進(jìn)行兩種特征的加權(quán)融合，使目標(biāo)模型能夠適應(yīng)遮擋場(chǎng)景，并且及時(shí)更新目標(biāo)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(jì)以及對(duì)周圍背景類特征抑制能力弱的缺點(diǎn)，從而提高算法跟蹤的準(zhǔn)確性和實(shí)時(shí)性。
　　(3)針對(duì)在遮擋場(chǎng)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(dǎo)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(chǎng)景中的優(yōu)缺點(diǎn)。綜合考慮Mean Shift算法所需參數(shù)少、計(jì)算速度快以及粒子濾波算法不受先驗(yàn)分布及狀態(tài)轉(zhuǎn)移模型的限制等優(yōu)點(diǎn)在重要性采樣階段，一部分粒子從建議分布函數(shù)中