基于上下文信息的目标跟踪算法研究

《基于上下文信息的目标跟踪算法研究》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、万方数据1．1论文背景与意义1绪论用眼睛看世界，一直以来都是人类获得有关客观世界信息的主要途径，而让机器模拟人类眼睛的视觉特性，实现机器“看世界”的功能，从而获取客观世界的信息，是人类一直追求的目标。随着计算机运算能力的飞速提高、信号处理理论的不断完善和计算机硬件的不断发展，尤其是各种摄像机的普及，使得利用机器实现人类的视觉功能成为可能。为了使计算机也可以具有人类的视觉功能，研究者们尝试着先使用摄像机获取外部世界的视频图像，然后对这些图像进行分析与处理，继而达到追求的目标，这样就促使一个新的学科一计算机视觉⋯一的逐渐形成。计算机视觉这

2、一新学科的主要研究内容是：使用机器(例如：摄像机)获取三维客观世界中存在的物体在二维平面的投影图像，继而从二维图像中提取三维客观世界中物体的几何信息(如：位置、形状等)，最后通过这些获取的信息对客观存在的目标物体进行识别与分析。随着视频图像处理理论的不断完善和计算机处理能力的不断提高，计算机视觉技术也得到了很大发展，并逐渐成为了计算机研究范围内最热门的研究课题之一。而基于视频的目标跟踪作为计算机视觉范围内的一个热门研究方向，逐渐吸引了大批研究学者的眼球。视频运动目标跟踪指的是对于一个输入视频中的运动目标实现特征学习、目标识别与跟踪，然

3、后对目标的行为进行分析与识别，以便完成更高一级的检测任务的技术。目标跟踪能够成为计算机视觉研究范围内的一个重要研究方向，这主要是因为：1)计算机硬件和软件的不断发展降低了计算机计算和存储的成本，从而提高了计算机采集和存储视频图像序列的性能；2)视频目标跟踪技术在实际应用中的范围越来越广，具有非常广阔的应用前景。近二十年来，随着计算机应用技术和各学科的不断发展，视频运动目标跟踪逐渐成为研究热点，具有广阔的应用前景。它广泛应用在：运动分析、目标检测与识别、交通检测、人机交互、行为识别、视频监控等领域乜1。为了实现视频目1万方数据1绪论标跟

4、踪，研究者们提出了各种各样的针对不同问题的目标跟踪算法，有些方法已经投入到实际应用中，然而，在实际应用过程中，仍然有许多因素影响着运动目标跟踪的实际效果。这些因素主要包括：物体之间的遮挡与重叠、背景的复杂性、目标跟踪的实时性、目标运动速度突变、目标表面巨变、光照明暗变化、3D到2D转化过程中的信息丢失问题等。在视频运动目标跟踪中，由于运动目标跟踪的精确度、实时性和稳定性是目标检测与识别、目标分类等后续处理过程的基础，使得如何改进目标跟踪算法，提高算法的精确度、鲁棒性和实时性都成为基于视频的目标跟踪系统的研究热点和主要难点。综上所述，基

5、于视频的运动目标跟踪不仅具有非常重要的理论意义和实际应用价值，而且具有深刻的研究意义。1．2国内外目标跟踪算法的研究现状在基于视频的运动目标跟踪中，被处理的图像可以分为两种：静态图像和动态图像。前者是指图像背景不会发生变化的图像。静态图像中目标跟踪的基本原理是：通过检测目标的某一个或多个特征来达到检测目标的目的。最经典的问题一是人脸检测。后者是指图像背景是运动的、会发生变化的图像。在动态图像中，主要利用“运动”的特征来检测目标，而不关心目标自身的静态特征。随着视频目标跟踪技术的发展，多种追踪方法，尤其光流法(Opticalflow)的

6、提出口1，使得动态图像成为研究主流。光流法是根据连续的几帧图像计算各像素运动的大小和方向，利用运动场区分背景和运动对象。在处理动态图像的视频目标跟踪中，主要的挑战有：物体之间的遮挡与重叠、背景的复杂性、跟踪的健壮性、跟踪的自适应性、跟踪的实时处理。针对不同的问题，有许多方法被提出。这些方法可以被分为：生成跟踪方法H1∞(Generativetracking)和具有判别性的跟踪方法(Discriminativetracking)[11-18]。生成跟踪(Generativetracking)：这种方法主要是通过建立目标模板，然后与图像块

7、进行匹配，生成的具有最高相似度的图像块作为跟踪结果。Jepson等H1开发了一种在跟踪过程中利用最大期望算法(ExpectationMaximizationAlgorithm，EM)精确模拟目标表面变化的复杂混合模型；Zhou等∞3通过嵌入自适应模型到粒子滤波系统中来实现健壮的视频跟踪；Lee和Kriegman阳1提出一种从视频中增万方数据1绪论量学习通用表面模型的在线学习方法；Ross盯3等人提出了一个基于增量用向量表示图像(image．as．vector)的子空间学习方法与样本均值更新的一般视频跟踪框架。以上的这些方法都没有完全利

8、用图像的空间信息。因此，研究焦点逐渐发展为：用矩阵表示图像(image．as．matrix)的学习方法来进行有效的子空间分析。在文献[8]中，一种基于增量加权子空间的增量学习算法被提出。受到文献[7]的启发，Yang呻1