融合颜色特征的时空上下文目标跟踪算法研究

《融合颜色特征的时空上下文目标跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10564学号：2013210101分类号：TP391密级：硕士学位论文融合颜色特征的时空上下文目标跟踪算法研究陈晓书指导教师：田绪红教授学院名称：数学与信息学院专业名称：计算机软件与理论答辩委员会主席：韩国强教授中国·广州2016年6月学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：日期：学位论文提交同意书

2、本学位论文符合国家和华南农业大学关于研究生学位论文的相关规定，达到学位授予要求，同意提交。导师签名：日期：学科带头人签名：日期：摘要目标跟踪是计算机视觉领域的一个重要研究方向，跟踪的准确性直接影响到更高级的视觉处理。随着计算机与各种摄像设备的发展，目标跟踪技术的应用领域也变得越来越广泛，如动作识别、智能监控、视频检索、人机交互、交通流量监控、车辆智能导航等。目标跟踪是通过确定性的方法或概率推理的方法估计出连续视频帧中目标的位置、轮廓以及轨迹等状态信息，并最终为更高级的目标行为分析提供基础。由于目标姿态变化、目标运动、遮挡、摄像机视角变化、光照变化及背景嘈杂等影响因素的干

3、扰，使在复杂多变的现实场景中进行鲁棒目标跟踪面临较大困难。针对上述问题，本文首先提出一种融合颜色特征和时空上下文信息的跟踪算法以实时鲁棒跟踪运动目标。该算法首先使用目标及其周围局部上下文区域的自适应降维颜色特征和灰度特征建模目标表观，获得上下文先验模型；在此基础上，转换到频率域在线学习目标及其周围背景的空间上下文模型；最后通过计算置信图，寻找最大响应值，预测目标在下一帧的位置。通过引入上下文先验模型的共轭复数，改进时空上下文模型在线更新策略，有效增强了跟踪算法对复杂环境的适应性。其次，为了提高算法对目标尺度变化的适应能力，在融合颜色特征和时空上下文信息的跟踪算法上增加自

4、适应尺度估计功能。首先提取目标周围多个尺度的局部上下文特征集获得上下文先验模型。通过比较多个尺度的置信图最大响应值，确定目标尺度和目标中心坐标。然后提取目标中心坐标周围的局部上下文特征集，并计算空间上下文模型和更新时空上下文模型。为了验证算法性能，在CVPR2013Benchmark跟踪评价准则提供的跟踪数据集上全面地评估本文提出的算法，通过一次性评估、时间鲁棒性评估、空间鲁棒性评估以及影响因素属性评估的成功率和距离精度图，深入了解本文提出的算法的长处及弱点，并与其他主流跟踪算法进行定量分析和定性分析对比实验。实验结果表明，本文提出的算法在目标发生形变、旋转、快速运动、

5、部分遮挡以及受光照变化和背景干扰等复杂情况下能够适应目标表观的变化，具有较好的鲁棒性和实时性。关键词：计算机视觉；目标跟踪；时空上下文；颜色特征；在线学习IRobustContext-basedTrackingusingColorAttributesCHENXiao-shu（CollegeofMathematicsandInformatics,SouthChinaAgriculturalUniversity,Guangzhou510642,China）Abstract:Visualtrackingisanimportantstudytopicincomputervisi

6、on,theaccuracyoftrackingdirectlyaffectsthemoreadvancedvisualprocessing.Withthedevelopmentofcomputersandavarietyofimagingequipment,theapplicationfieldsofvisualtrackingarebecomingmoreandmorewidespread,suchasmotionrecognition,intelligentmonitoring,videoretrieval,human-computerinteraction,tr

7、afficflowmonitoring,intelligentvehiclenavigation.Objecttrackingistoestimatetheposition,theoutline,thetrajectoryandotherstatusinformationofthetargetinsuccessivevideoframesviadeterministicmethodsorprobabilisticinferencemethodsandprovidesthebasisforhighertargetbehavioranalys