機(jī)載視頻運(yùn)動(dòng)目標(biāo)跟蹤研究.pdf

1、視覺跟蹤是計(jì)算機(jī)視覺領(lǐng)域最主要的研究方向之一,在視頻監(jiān)控、視覺導(dǎo)航、人機(jī)交互以及視頻壓縮等領(lǐng)域有著廣泛的應(yīng)用前景。本文主要研究機(jī)載視頻運(yùn)動(dòng)目標(biāo)跟蹤,并引入兩種方法。第一種方法將視覺跟蹤看作目標(biāo)與背景的二分類問題,通過隨機(jī)森林分類器的在線更新以適應(yīng)目標(biāo)表觀的變化,達(dá)到復(fù)雜環(huán)境下對(duì)目標(biāo)的穩(wěn)健跟蹤。第二種方法通過構(gòu)建目標(biāo)的時(shí)空語(yǔ)義(Spatio-Temporal Context)模型,充分利用局部語(yǔ)義區(qū)域內(nèi)像素與目標(biāo)中心間的時(shí)空關(guān)系,以完成跟

2、蹤任務(wù)。
　　本文利用空間-顏色直方圖對(duì)基于在線隨機(jī)森林分類器和粒子濾波框架的方法進(jìn)行改進(jìn),并用于機(jī)載視頻運(yùn)動(dòng)目標(biāo)跟蹤。在跟蹤中采用在線Bagging模擬采樣過程,并用于隨機(jī)決策樹的在線生長(zhǎng),將隨機(jī)森林作為機(jī)載視頻中目標(biāo)的表觀模型。跟蹤過程中重采樣正負(fù)樣本更新分類器以適應(yīng)目標(biāo)及其周圍背景變化。為增加抗干擾能力,本文在得到分類器的輸出后,計(jì)算粒子與前一幀目標(biāo)之間的空間-顏色直方圖相似度,利用分類器的輸出和相似度二者的加權(quán)和作為每個(gè)粒

3、子的權(quán)值。實(shí)驗(yàn)證明該方法在尺度縮放和抗干擾方面表現(xiàn)較突出。
　　本文結(jié)合卡爾曼濾波器對(duì)基于時(shí)空語(yǔ)義模型的跟蹤方法進(jìn)行改進(jìn),解決機(jī)載視頻目標(biāo)跟蹤問題。利用目標(biāo)與其局部語(yǔ)義區(qū)域間像素間的時(shí)空關(guān)系對(duì)目標(biāo)建立時(shí)空語(yǔ)義模型,在貝葉斯框架下對(duì)目標(biāo)進(jìn)行跟蹤。為解決遮擋后目標(biāo)丟失問題,本文同時(shí)采用卡爾曼濾波器估計(jì)目標(biāo)的位置,根據(jù)二者之間的差值判斷遮擋問題的發(fā)生,并在卡爾曼濾波估計(jì)位置的局部區(qū)域匹配目標(biāo),當(dāng)目標(biāo)再次出現(xiàn)時(shí)準(zhǔn)確定位目標(biāo)。實(shí)驗(yàn)表明該方法