基于AdaBoost多顏色空間學習的目標跟蹤算法研究.pdf

1、計算機視覺是當前人工智能領域的研究熱點之一,而人類視覺的一個關鍵作用是對于運動物體的跟蹤,現(xiàn)實生活中有大量的信息包含在運動中,所以對于運動物體的跟蹤已經(jīng)成為計算機視覺領域重要的研究方向。運動目標的跟蹤研究涉及到模式識別,圖像處理,機器學習,信號處理,統(tǒng)計學,最優(yōu)化方法等諸多領域,對于目標跟蹤的研究有著重要的理論價值,而且由于視頻跟蹤系統(tǒng)的廣泛應用,對于運動目標的精確跟蹤在人機交互,交通導航,基于運動的目標識別,智能監(jiān)控,視頻壓縮,武器制

2、導等領域都具有重要的實際意義。
　　所謂運動目標的跟蹤,就是指在視頻中對于目標運動的軌跡進行估計,已經(jīng)有很多研究人員在這方面做了大量的工作,但是由于現(xiàn)實場景的復雜性,比如凌亂的背景,大范圍的遮擋,以及目標本身表觀的變化,比如目標姿態(tài)和尺度的變化,這些工作往往只能夠解決特定場景下的特定問題,難以在實際應用中取得理想的效果,因此要想得到一個魯棒的跟蹤算法,還有大量的工作要做。
　　在本文中,我們主要著眼于如何獲取目標和背景之間的

3、具有判別能力的信息來對目標進行表觀建模,以及在跟蹤的過程中如何有效地利用這些信息。在本文中,我們通過多顏色空間的方法來獲取目標和背景之間的判別性信息,然后通過AdaBoost學習的方法來對這些信息進行學習,最后分別在MeanShift方法和粒子方法方法中進行了應用。本文的主要研究內(nèi)容如下:
　　第一,提出了一種在MeanShift框架下點的權重的計算方法,算法利用AdaBoost方法對多顏色空間學習得到的強分類器對于目標區(qū)域中的每