多特征融合的視覺跟蹤算法研究.pdf

1、隨著計算機和網(wǎng)絡(luò)技術(shù)在世界范圍內(nèi)的普及應(yīng)用，大量的視頻監(jiān)控資源的涌現(xiàn)，如何高效的利用這些資源成為當務(wù)之急。視覺跟蹤技術(shù)是相關(guān)應(yīng)用的基礎(chǔ)，已成為計算機視覺領(lǐng)域中最重要的發(fā)展方向之一。
　　 本文首先介紹了視覺跟蹤的應(yīng)用，論述了視覺跟蹤關(guān)注的重點，指明了本文的研究背景、目的和內(nèi)容。
　　 然后介紹了跟蹤算法的分類，以及經(jīng)典的代表算法，主要介紹了同屬于貝葉斯濾波器的卡爾曼濾波器和粒子濾波器，以及另一經(jīng)典算法均值漂移。同時對近年

2、來較受關(guān)注的新的基于分塊跟蹤的算法，基于分類器的跟蹤算法，基于水平集的跟蹤算法以及多跟蹤器組合的跟蹤算法也進行了介紹。在此基礎(chǔ)上，分析并指出目前算法存在的一些問題及不足，提出了我們的研究方向和貢獻。
　　 本文提出了基于自適應(yīng)外觀模型的分塊跟蹤算法，引入高斯混合模型對目標進行建模和模板的更新。該算法可以根據(jù)運動對象的外觀變化、姿勢變化和遮擋等現(xiàn)象自適應(yīng)調(diào)整模板，實現(xiàn)魯棒的跟蹤。通過全面的定性和定量實驗結(jié)果證明，所提出算法的跟蹤效

3、果要優(yōu)于現(xiàn)有的同類算法。
　　 本文還提出了多特征融合的基于分類器的跟蹤算法，該算法將待跟蹤的對象視為正例，將背景和其他非對象區(qū)域視為反例，如果能夠用分類器（如SVM）將這兩類有效的區(qū)分開來，就能夠?qū)崿F(xiàn)魯棒的跟蹤。其效果在很大程度上取決于用來表達對象的特征是否能夠體現(xiàn)對象的獨特性和差異性。本文提出的方法綜合采用結(jié)構(gòu)、紋理和顏色特征來表達跟蹤目標，其中結(jié)構(gòu)分量采用邊緣方向直方圖，紋理分量采用基于紋理基元方式表達的系數(shù)向量。實驗表明