基于核的變尺度視頻目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤義稱為可視跟蹤(Visual Tracking),即在視頻序列中對(duì)感興趣的目標(biāo)進(jìn)行有效跟蹤的技術(shù)。如何實(shí)現(xiàn)穩(wěn)健的視頻目標(biāo)跟蹤一直都是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)典型問(wèn)題。在攝像機(jī)觀測(cè)平臺(tái)與運(yùn)動(dòng)目標(biāo)之間的相對(duì)距離存在變化的條件下,場(chǎng)景和目標(biāo)區(qū)域都具有動(dòng)態(tài)性,為了有效實(shí)現(xiàn)圖像目標(biāo)的跟蹤,必須充分考慮目標(biāo)區(qū)域因成像傳感器與目標(biāo)之間的相對(duì)距離變化而引起的目標(biāo)尺度變化特性。
　　 本文主要工作是基于核的視頻目標(biāo)跟蹤算法實(shí)現(xiàn)變尺度目標(biāo)

2、的穩(wěn)健性跟蹤。視頻目標(biāo)跟蹤的對(duì)象是面狀成像目標(biāo),因此除了能夠準(zhǔn)確估計(jì)目標(biāo)位置外,還應(yīng)該具備估計(jì)目標(biāo)尺度的功能。另外,為了實(shí)現(xiàn)準(zhǔn)確的目標(biāo)定位,跟蹤算法也必需在正確的尺度范圍內(nèi)提取目標(biāo)特征,才能有效實(shí)現(xiàn)特征匹配。因此目標(biāo)尺度估計(jì)問(wèn)題是視頻跟蹤算法是否具有穩(wěn)健性的一個(gè)基本問(wèn)題。而傳統(tǒng)的基于核的視頻跟蹤算法由于缺乏有效更新跟蹤窗口尺度的機(jī)制,使得其跟蹤結(jié)果不全面,同時(shí)其穩(wěn)健性也得不到保證。本文針對(duì)基于核的視頻跟蹤算法難以實(shí)現(xiàn)目標(biāo)尺度估計(jì)的問(wèn)題,

3、提出了五種跟蹤算法:基于尺度不變特征與核直方圖的多特征融合跟蹤算法、基于核及空間變分辨率模型的跟蹤算法、基于核及目標(biāo)模型自適應(yīng)的跟蹤算法、基于核與自適應(yīng)分布圖像推理機(jī)制的跟蹤算法和基于雙模型濾波與mean shift的跟蹤算法。
　　 本文的主要研究成果如下:
　　 1.為增強(qiáng)跟蹤算法區(qū)分目標(biāo)的能力,本章提出了基于核及尺度不變特征的多特征融合跟蹤算法。將尺度不變特征和基于核的顏色分布特征統(tǒng)一用作目標(biāo)的跟蹤特征。該算法能夠

4、在目標(biāo)附近存在相似表觀及目標(biāo)尺度變化的情況下,取得較為穩(wěn)健的跟蹤結(jié)果。
　　 2.提出一種新的基于空間變分辨率模型的目標(biāo)跟蹤算法。該算法通過(guò)Log-polar變換,建立目標(biāo)的空間變分辨率模型,來(lái)解決跟蹤期間目標(biāo)的尺度和旋轉(zhuǎn)量估計(jì)問(wèn)題。算法除了用mean shift實(shí)現(xiàn)目標(biāo)位置估計(jì)以外,還可以實(shí)現(xiàn)在mean shift自身框架內(nèi),估計(jì)目標(biāo)的尺度參數(shù)與旋轉(zhuǎn)量參數(shù)。
　　 3.基于核及目標(biāo)模型自適應(yīng)的視頻目標(biāo)跟蹤算法。該算法將

5、CAMSHIFT跟蹤算法與meanshift跟蹤算法結(jié)合起來(lái),利用CAMSHIFT算法得到的跟蹤窗口尺度參數(shù)來(lái)輔助meanshift跟蹤。具體來(lái)說(shuō),就是基于核的目標(biāo)跟蹤,在均值漂移跟蹤自身框架內(nèi),結(jié)合目標(biāo)跟蹤區(qū)域的自適應(yīng)分布和相對(duì)穩(wěn)定的目標(biāo)模型,對(duì)候選模型經(jīng)過(guò)直方圖后向映射,用跟蹤區(qū)域分布圖像的零階矩來(lái)估計(jì)跟蹤窗口的尺度。最后在更新階段,根據(jù)目標(biāo)模型和候選模型的相似度,同時(shí)實(shí)現(xiàn)目標(biāo)模型的自適應(yīng)更新和跟蹤窗口尺度的自適應(yīng)更新。
　　

6、 4.在基于核及目標(biāo)模型自適應(yīng)的跟蹤算法基礎(chǔ)上,根據(jù)目標(biāo)連續(xù)自適應(yīng)分布建立目標(biāo)概率分布圖像,通過(guò)分析該圖像灰度統(tǒng)計(jì)值的變化情況,檢驗(yàn)跟蹤模板的變化情況。在進(jìn)一步計(jì)算目標(biāo)模型與候選模型相似性的基礎(chǔ)上,對(duì)目標(biāo)模型進(jìn)行更新。在該方法中,目標(biāo)模型及跟蹤窗口尺度更新的過(guò)程被建模為基于投票(Voting)機(jī)制的推理過(guò)程,充分利用了視頻目標(biāo)運(yùn)動(dòng)模型的空間時(shí)間約束特性,可以取得更加穩(wěn)健的跟蹤性能。
　　 5.在多模濾波理論的框架下,提出了一種

7、基于核及雙模型概率切換的跟蹤算法。該算法利用兩個(gè)濾波器的預(yù)測(cè)作為mean shift跟蹤算法的起始運(yùn)行位置,分別運(yùn)行兩個(gè)mean shift迭代過(guò)程,并通過(guò)特征相似度選取正確的mean shift跟蹤迭代結(jié)果作為多模濾波器的觀測(cè)值,提高了觀測(cè)信息的魯棒性；在跟蹤期間,結(jié)合根據(jù)多個(gè)目標(biāo)運(yùn)動(dòng)模型的概率可信度,實(shí)現(xiàn)多模型之間的適時(shí)切換,使跟蹤窗口能始終鎖定目標(biāo)。
　　 上述五種跟蹤算法統(tǒng)一建立在基于核的視覺(jué)跟蹤方法基礎(chǔ)上,針對(duì)目標(biāo)的變