基于運(yùn)動(dòng)補(bǔ)償與RJ-MCMC結(jié)合的視頻目標(biāo)跟蹤研究.pdf

1、視頻中運(yùn)動(dòng)目標(biāo)跟蹤的研究是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要課題，受到國(guó)內(nèi)外學(xué)者的普遍關(guān)注。它在導(dǎo)彈視覺(jué)制導(dǎo)，機(jī)器人與無(wú)人機(jī)自主導(dǎo)航，軍事目標(biāo)的定位跟蹤與識(shí)別，汽車(chē)自動(dòng)駕駛，安全監(jiān)控，智能交通，虛擬現(xiàn)實(shí)等方面有廣闊的應(yīng)用前景。在現(xiàn)實(shí)中，由于各種干擾的存在增加了視頻目標(biāo)檢測(cè)和跟蹤的難度。
　　 視頻中目標(biāo)的檢測(cè)是目標(biāo)跟蹤的基礎(chǔ)，檢測(cè)效果的不好則會(huì)給跟蹤帶來(lái)很大的影響。由于光照，遮擋，攝像機(jī)傳感器帶來(lái)的各種噪聲使得目標(biāo)檢測(cè)變得很復(fù)雜，尤其是當(dāng)

2、攝像機(jī)運(yùn)動(dòng)時(shí)，背景和前景都隨之運(yùn)動(dòng)，更不好區(qū)分前景和背景。本論文采取了一種基于運(yùn)動(dòng)補(bǔ)償與自適應(yīng)背景更新來(lái)檢測(cè)動(dòng)態(tài)場(chǎng)景中的運(yùn)動(dòng)目標(biāo)。先計(jì)算前后兩幀之間的金字塔光流場(chǎng)，光流場(chǎng)數(shù)據(jù)里既含有目標(biāo)和背景的光流值也含有噪聲的光流。由于事先不知道有多少個(gè)目標(biāo)，也無(wú)法預(yù)測(cè)干擾所帶來(lái)的噪聲，因此就不能用類(lèi)數(shù)目固定的k均值聚類(lèi)。本論文采用了一種叫做leader-follow的在線(xiàn)聚類(lèi)算法，該算法能根據(jù)輸入數(shù)據(jù)自適應(yīng)的進(jìn)行分類(lèi)，而無(wú)需事先知道要分成多少類(lèi)。把

3、背景的光流值的分離出來(lái)以后就得到了運(yùn)動(dòng)補(bǔ)償值，運(yùn)用此補(bǔ)償值補(bǔ)償上一幀圖像，然后前一幀圖像和當(dāng)前幀圖像的背景對(duì)齊了，這樣就可以使用應(yīng)用在靜態(tài)場(chǎng)景中的背景更新方法來(lái)得到了動(dòng)態(tài)場(chǎng)景的背景和前景了。
　　 在目標(biāo)跟蹤領(lǐng)域，一般都從貝葉斯遞歸的角度來(lái)看目標(biāo)跟蹤問(wèn)題，即根據(jù)一系列的觀(guān)測(cè)結(jié)果來(lái)對(duì)某目標(biāo)的狀態(tài)進(jìn)行估計(jì)。由于目標(biāo)運(yùn)動(dòng)無(wú)規(guī)律難于用數(shù)學(xué)公式描述，而粒子濾波不需要事先對(duì)狀態(tài)轉(zhuǎn)移做任何假設(shè)，因此很多本領(lǐng)域的學(xué)者都把它拿來(lái)研究以用于目標(biāo)跟蹤

4、。普通粒子濾波的粒子退化問(wèn)題嚴(yán)重地限制了其基本方法的發(fā)展。MCMC作為粒子濾波器的一種它可以有效地解決上述的粒子退化問(wèn)題正引起人們的關(guān)注。針對(duì)多目標(biāo)的跟蹤普通MCMC是無(wú)法應(yīng)對(duì)的，因?yàn)楫?dāng)目標(biāo)進(jìn)出場(chǎng)景會(huì)引起解的狀態(tài)變量空間變化，而RJ-MCMC則能有效應(yīng)對(duì)此種情況。針對(duì)動(dòng)態(tài)場(chǎng)景的多目標(biāo)跟蹤，本文提出了一種基于二次觀(guān)測(cè)模型的RJ-MCMC粒子濾波方法第一次觀(guān)測(cè)通過(guò)運(yùn)動(dòng)補(bǔ)償值對(duì)運(yùn)動(dòng)模型實(shí)時(shí)修正使其逼近真實(shí)的運(yùn)動(dòng)方程，第二次觀(guān)測(cè)即是RJ-MCM