Mean-Shift可視跟蹤中的穩(wěn)健性研究.pdf

1、可視跟蹤就是利用圖像處理、模式識別的方法發(fā)現(xiàn)視頻序列中與指定目標圖像最相似的部分。它從早期的目標跟蹤領域衍生出來被廣泛應用在視頻編碼、智能交通、監(jiān)控、視頻分析以及軍工等眾多領域中。當目標圖像通過自動或者交互等方式給定后，跟蹤算法要求在后續(xù)圖像幀中對該目標圖像進行實時、穩(wěn)健的定位輸出。其中，實時性要求跟蹤算法必須具有高的搜索效率；穩(wěn)健性要求跟蹤算法對目標的運動、外觀變化以及場景干擾具有魯棒的性能。在兼顧實時性的基礎上提高跟蹤算法的穩(wěn)健性一

2、直是可視跟蹤研究中的前沿和熱點，同時也是本文的研究目的。 本文的研究背景主要是為計算機視覺、視頻編碼和導彈制導等領域的研究者提供可視跟蹤中新的理論和算法支持，在兼顧算法的實時性能的前提下提高算法的穩(wěn)健性。為此，主要研究了基于核概率密度估計的mean-shift理論在可視跟蹤中的應用。基于mean-shift理論的目標跟蹤方法由于避免了全局搜索因此已經(jīng)滿足了實時性的要求。本文在此基礎上提高了mean-shift跟蹤算法的穩(wěn)健性。主

3、要做了以下的研究工作：對當前流行的可視跟蹤方法進行了綜述、比較；回顧、總結了核概率密度估計理論，并對在此基礎上發(fā)展起來的mean-shift理論做了研究、整理；對基于mean-shift理論的目標跟蹤算法進行了深入的剖析，指出了其中的不足，尤其是在算法穩(wěn)健性上的不足；以mean-shift跟蹤算法為框架提出了新的模型更新算法用來應對目標的外觀變化、場景遮擋以及光照變化；深入研究了跟蹤變尺度目標時Bhattacharyya系數(shù)的變化規(guī)律。

4、在此基礎上提出了穩(wěn)健跟蹤尺度漸大剛性目標的算法，并對穩(wěn)健跟蹤具有復雜運動的目標進行了探討。 本文的創(chuàng)新主要體現(xiàn)在： (1)提出利用目標歷史模型和當前匹配位置處得到的觀測模型對目標核函數(shù)直方圖進行Kalman濾波，從而對模型進行及時更新。新穎之處在于：Kalman濾波器是對目標“外觀”進行濾波而不是通常對目標航跡、位移、速度等變量的濾波。 (2)在Kalman濾波的處理過程中，我們根據(jù)分析歷史濾波殘差數(shù)據(jù)自適應調整

5、濾波方程中的各種參數(shù)。首次提出把濾波殘差作為樣本進行假設檢驗，將其結果作為模型是否需要更新的準則。這樣，系統(tǒng)能夠正確地處理遮擋、光照變化等干擾因素，有效地避免了模型的過更新。 (3)發(fā)現(xiàn)并嚴格證明了mean-shift框架下準確跟蹤變尺度目標的充分條件，即在核窗寬固定的條件下，目標在其窗寬范圍內進行的縮放、平移運動并不影響mean-shift跟蹤算法空間定位的準確性。從理論上解釋了傳統(tǒng)固定窗寬mean-shift跟蹤算法在跟蹤變