基于核相關濾波器的視覺目標跟蹤方法研究.pdf

1、隨著科學技術和計算機視覺技術的迅猛發(fā)展，智能視頻監(jiān)控技術在人們的日常生活中得到廣泛的應用。在計算機視覺領域，運動目標跟蹤技術作為智能視頻監(jiān)控中的關鍵技術，一直都是重點研究課題之一，其在智能安防監(jiān)控、輔助駕駛甚至無人自動駕駛、工業(yè)智能機械手臂和智能機器人等高科技領域都具有廣泛的應用前景。本課題重點針對目前時效性能最優(yōu)的核相關目標跟蹤方法(KCF，kernelized correlation filter)以及尺度估計相關濾波器(DSST，

2、discriminative scale space tracker)，對復雜視頻場景下的目標跟蹤的關鍵技術展開深入研究，力圖在目標跟蹤失敗重檢測、引入隨機抖動因子增加算法精確度、多尺度估計提高算法精度、視覺目標跟蹤應用研究等方面有所突破。
　　1.針對傳統(tǒng)的核相關跟蹤器(KCF)跟蹤過程缺少跟蹤效果檢測的問題，提出了一種采用峰值旁瓣比(PSR,peak sidelobe rate)跟蹤失敗重檢測的核相關目標跟蹤方法。本課題首先對

3、核相關算法的學習樣本進行了預處理，利用二維高斯函數(shù)具有權重分布截取的功能，在樣本中的目標位置上截取圖像塊權值化，從而獲得更高的目標信噪比以及更少的背景干擾信息。在圖像序列處理的過程中，實時檢測相關運算得到的峰值旁瓣比，判斷是否跟蹤失敗，同時在跟蹤效果比較的序列對檢測功能進行更新學習，進而強化跟蹤器的檢測功能，使得能夠更好地恢復運動目標跟蹤。最后通過實驗驗證了的該種采用PSR重檢測改進目標跟蹤算法的魯棒性，相比傳統(tǒng)的KCF目標跟蹤算法的總

4、體精度提高了13.2%。
　　2.根據(jù)粒子濾波引入的隨機抖動因子有助于提高跟蹤系統(tǒng)的穩(wěn)定性，本課題在相關濾波分類器基礎上，提出了一種具有運動狀態(tài)估計和目標尺度估計的視覺目標跟蹤方法。該方法將粒子濾波和核相關濾波方法相結合，先估算出運動目標的位置。然后再執(zhí)行尺度相關濾波器估算目標的尺度，可使算法對尺度變化的運動目標具有更強的適應能力。實驗驗證了本算法的高效性，且在目標尺度變化、光照變化、姿態(tài)變化、部分遮擋、旋轉及快速運動等復雜情況下

5、均有較強的適應性。
　　3.針對傳統(tǒng)的核相關目標跟蹤方法在尺度變化明顯的圖像序列中表現(xiàn)得差強人意，提出了一種核相關多尺度估計的改進視覺目標跟蹤方法，從而提高核相關跟蹤算法對有明顯尺度變化的運動目標具有更高的跟蹤性能。本課題把灰度 HOG特征金字塔映射到一維向量中，并把 HOG特征金字塔作為一維輸入，可以獲得相關濾波器的最高響應值，經(jīng)過換算后，作為目標尺度的最佳響應值。實驗驗證了本課題跟蹤算法的時效性，且驗證了本方法在復雜場景下均有