在线集群学习框架下的多摄像头目标跟踪

《在线集群学习框架下的多摄像头目标跟踪》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、三峡大学硕士学位论文内容摘要目标跟踪是计算机视觉领域的研究分支，占有非常重要的地位。基于on-lineboosting的目标跟踪算法逐渐引起了众多研究者的关注，其在分类器的精度、算法收敛性、对真实问题的拟合性等方面具有其它机器学习算法不可比拟的优势。On-lineboosting算法是一种自学习的过程，将上一帧的跟踪窗口当作新的正样本，所以当目标发生遮挡时，目标特征的每次变换可能引入少量错误，长时间执行后，被遮挡的正样本易导致特征池中的误差累积，进而导致跟踪位置的漂移；概率存在场(Probabil

2、isticOccupancyMap,POM)算法融合多个视角的二值前景图像在3D场景中检测目标的位置。从充分利用特征选择优势和多视角能较好处理遮挡问题的角度出发，本文针对上述问题提出了结合多尺度HOG特征的on-lineboosting目标跟踪算法和基于POM的多摄像头目标跟踪算法，并最终将两者结合，形成较为系统的在线集群学习框架下的多摄像头目标跟踪系统。主要开展了以下三个方面的研究：(1)在多摄像头方面，针对前景检测结果对POM算法的性能具有直接影响的问题，利用目前应用较广泛的四种前景检测方法：

3、帧间差分法、滑动平均背景建模法、混合高斯背景建模法（GMM）、视觉背景抽取算法（ViBe）改进算法，来研究前景检测对POM跟踪系统的影响。通过测试这四种前景检测算法在单目标、多目标存在复杂运动以及相似目标干扰等情况下的POM系统性能，来选择性能最优的前景检测算法。实验结果表明，基于形态学改进ViBe算法的POM目标跟踪系统性能较其他三种前景检测性能更佳。(2)在特征选择优势方面，针对原HOG特征只能表示目标框局部特征的问题，通过随机选取block的尺度、位置和长宽比例作为计算HOG的特征模板，建立

4、多尺度HOG特征池来表征目标框的所有特征，包括局部特征和全局特征；且每个block只包含4个cell，极大提高了计算效率。通过将多尺度HOG特征与原HOG特征，较主流的基于颜色的Haar特征进行对比试验，验证了基于多尺度HOG的on-lineboosting的优越性。(3)针对复杂场景中存在的光照变化、尺度变化大时造成的跟踪漂移问题，提出了结合基于形态学改进ViBe的POM算法与多尺度HOG特征的on-lineboosting算法。采用基于形态改进ViBe算法作为前景检测算法，利用POM算法计算出

5、跟踪场景中被遮挡的目标，以此作为正样本来重新建立on-lineboosting算法的目标搜索过程。该方法更新了搜索区域，从而避免了因被遮挡的正样本而导致的特征池误差累积，保证了跟踪的鲁棒性。结合后的算法能够克服基于多尺度HOG特征的on-lineboosting算法在面对目标大尺度变化，部分遮挡或完全遮挡造成跟踪丢失的问题，而且跟踪结果更加准确、更加稳定。通过对复杂场景下的特定目标进行实验，验证了上述算法的优II万方数据三峡大学硕士学位论文越性。本文算法成功解决了on-lineBoosting算法

6、因存在严重遮挡而产生漂移问题，同时该方法将多摄像头引入在线集群学习框架，为扩展在线集群学习方法提供了新思路。关键词：目标跟踪onlineboostingPOM(ProbabilisticOccupancyMap)前景检测多尺度HOG特征III万方数据三峡大学硕士学位论文AbstractObjecttrackingisoneofimportantresearchtopicsincomputervision.Recently,moreandmoreattentionispaidonvisualtrac

7、kingbasedonlearningforitsgoodtrackingperformanceinvariousscenes.Currently,onlineboostingproposedbyGrabnerisoneoftherepresentativestrackingalgorithmsbasedonlearning.On-lineboostingalgorithmisaself-learningprocess;ittakesthelasttrackedwindowasanewpositi

8、vesample.Therefore,whenthetargetisoccluded,thechangeofthetarget’sfeaturemayintroducesmallerror.Afteralongtimetobeexecuted,theoccludedpositivesamplesmayeasilyleadtoerroraccumulationinfeaturepool,andthenleadingtotrackingfailureinthecomplexscene.