多特征融合的视觉跟踪算法研究

论文摘要

随着计算机和网络技术在世界范围内的普及应用,大量的视频监控资源的涌现,如何高效的利用这些资源成为当务之急。视觉跟踪技术是相关应用的基础,已成为计算机视觉领域中最重要的发展方向之一。本文首先介绍了视觉跟踪的应用,论述了视觉跟踪关注的重点,指明了本文的研究背景、目的和内容。然后介绍了跟踪算法的分类,以及经典的代表算法,主要介绍了同属于贝叶斯滤波器的卡尔曼滤波器和粒子滤波器,以及另一经典算法均值漂移。同时对近年来较受关注的新的基于分块跟踪的算法,基于分类器的跟踪算法,基于水平集的跟踪算法以及多跟踪器组合的跟踪算法也进行了介绍。在此基础上,分析并指出目前算法存在的一些问题及不足,提出了我们的研究方向和贡献。本文提出了基于自适应外观模型的分块跟踪算法,引入高斯混合模型对目标进行建模和模板的更新。该算法可以根据运动对象的外观变化、姿势变化和遮挡等现象自适应调整模板,实现鲁棒的跟踪。通过全面的定性和定量实验结果证明,所提出算法的跟踪效果要优于现有的同类算法。本文还提出了多特征融合的基于分类器的跟踪算法,该算法将待跟踪的对象视为正例,将背景和其他非对象区域视为反例,如果能够用分类器(如SVM)将这两类有效的区分开来,就能够实现鲁棒的跟踪。其效果在很大程度上取决于用来表达对象的特征是否能够体现对象的独特性和差异性。本文提出的方法综合采用结构、纹理和颜色特征来表达跟踪目标,其中结构分量采用边缘方向直方图,纹理分量采用基于纹理基元方式表达的系数向量。实验表明,所提算法的跟踪效果优于现有的同类算法。最后对主要的研究和工作进行了概括,并指出需要进一步研究的问题和工作。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 视觉跟踪应用
• 1.2 视觉跟踪关注的问题
• 1.3 论文选题和主要工作
• 2 视觉跟踪发展和现状
• 2.1 视觉跟踪的分类
• 2.2 经典的视觉跟踪算法
• 2.3 新的视觉跟踪算法
• 2.4 现有跟踪算法的问题
• 2.5 本章小结
• 3 自适应外观模型的分块跟踪算法
• 3.1 引言
• 3.2 自适应外观模型的分块算法主要流程
• 3.3 基于高斯混合模型的自适应建模
• 3.4 分块跟踪
• 3.5 积分直方图
• 3.6 实验结果
• 3.7 本章小结
• 4 多特征融合的分类跟踪算法
• 4.1 引言
• 4.2 多特征融合的分类跟踪算法主要流程
• 4.3 多特征的提取
• 4.4 基于SVM 的跟踪
• 4.5 实验结果
• 4.6 本章小结
• 5 总结与展望
• 5.1 全文总结
• 5.2 有待继续的研究
• 致谢
• 参考文献
• 附录： （攻读学位期间已录用论文）