復雜場景中目標跟蹤算法魯棒性研究.pdf

1、目標跟蹤是計算機視覺領域的重要研究課題，當目標通過自動或者交互方式給定后，跟蹤算法要求在后續(xù)圖像幀中對該目標圖像進行實時、魯棒性好的定位輸出。其中，實時性要求跟蹤算法必須提高算法的搜索效率；魯棒性要求跟蹤算法對目標的運動、姿態(tài)變化以及場景干擾具有準確的輸出。在兼顧實時性的基礎上提高跟蹤算法的魯棒性一直是目標跟蹤研究中的前沿和熱點，同時也是本文的研究目的。 傳統的方法如Mean Shift方法能夠實時地跟蹤目標，但沒有考慮跟蹤過程

2、中可能出現遮擋問題，當遮擋發(fā)生時，目標定位準確性降低，研究者提出了相應解決方法，但需要準確判斷遮擋的發(fā)生和結束。本文研究了由多個模塊描述目標進而實現對目標跟蹤的多模塊目標跟蹤算法，通過綜合每個模塊在候選位置的匹配相似度，提高算法在遮擋情況下的目標定位的準確性，克服了遮擋判定算法中閾值難以選擇的缺點。并引入積分直方圖降低直方圖的計算復雜度，改進匹配搜索策略提高其實時性，并且根據目標與目標周圍區(qū)域的顏色對比，選擇區(qū)分度較高的模塊進一步提高算

3、法的魯棒性。 傳統方法由于采用直方圖、輪廓、模板等相對固定的模型，難以適應背景動態(tài)變化和物體的大范圍運動，本文提出了一種基于前景特征點檢測的目標跟蹤算法，由特征點創(chuàng)建背景模型，進而分類前景特征點。通過在全局范圍內搜索與目標特征點匹配的前景特征點，在局部區(qū)域排除背景特征點，能夠減少背景特征點對匹配過程的影響，同時使用SIFT-like算子描述特征點進一步減少噪聲的干擾。 為驗證理論結果和算法性能，本文在PC平臺上用VC編程