視頻中的目標跟蹤算法研究.pdf

1、視頻從視覺上形象地反映了客觀事物,通過對事物的生動描述,直觀而具體地表達了信息要素。在信息產(chǎn)業(yè)高度化的今天,伴隨著通信、網(wǎng)絡(luò)、計算機技術(shù)和微電子技術(shù)的發(fā)展,視頻技術(shù)被應(yīng)用在各個領(lǐng)域,所以研究智能化視頻監(jiān)控系統(tǒng)就顯得尤為重要。視頻中運動物體追蹤算法是通過分析視頻中每一幀圖像信息,進行數(shù)據(jù)挖掘,學習目標行為并進行大量的動作捕捉,對信息進行一系列的處理后,得到并標記出所追蹤目標在圖像中相應(yīng)的位置。同時,由于目標所處的環(huán)境條件的復(fù)雜性、以及被追

2、蹤的物體本身存在的各種原因,使得視頻中運動目標追蹤算法在很多方面的研究存在著一定的挑戰(zhàn)。
　　本論文通過研究目標追蹤過程中,對追蹤算法有影響的因素進行研究,試圖通過建立精確高效的目標模型,結(jié)合分類或狀態(tài)推演等方法,將圖像中的目標與背景區(qū)分開,以達到快速追蹤視頻中目標的目的。
　　鑒于當前大多數(shù)的追蹤算法都是使用目標外觀模型和特征進行目標的匹配,在長時間的目標追蹤過程中,目標的尺度和形狀均會發(fā)生變化,再加上計算機視覺誤差,提出

3、一種高效的目標模型用于提高追蹤的效率和成功率。采用分割后提取的目標特征來進行建模表示外觀結(jié)構(gòu),利用圖像分割的方法,將被追蹤的目標區(qū)域分割成多個超像素塊,結(jié)合SIFT特征,形成詞匯本,并計算每個詞在詞匯本中的權(quán)值,作為目標的外觀模型。利用外觀模型確定目標對象的關(guān)鍵點位置后,通過使用金字塔 Lucas-Kanade追蹤器預(yù)測關(guān)鍵點在下一幀圖像中的位置,并移動追蹤窗口位置。結(jié)合點位移的加權(quán)計算有效的克服目標尺度和形狀變化產(chǎn)生的問題。實驗結(jié)果表

4、明在目標發(fā)生形變或光照變化的情況下,算法也能準確的、實時的追蹤到目標。
　　由于粒子濾波框架追蹤目標時追蹤器搜索范圍較小,提出一種結(jié)合粒子濾波框架和多示例的追蹤算法,保持多條追蹤路徑同時進行搜索,在追蹤的過程中不斷計算從第一幀到當前幀的最佳路徑,使用帶有顏色直方圖特征的狀態(tài)變量,在選擇最小解的時候,結(jié)合顏色特征和追蹤算法,有效的限制了目標粒子的權(quán)值。在計算粒子權(quán)值的時候,還使用了最短路徑的方法,計算出當粒子樣本的目標狀態(tài)到上一幀中