图像序列中运动目标自适应跟踪技术研究

《图像序列中运动目标自适应跟踪技术研究》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、分类号TP391.4密级公开UDC004.92学位论文编号D-10617-308-(2016)-02038重庆邮电大学硕士学位论文中文题目图像序列中运动目标自适应跟踪技术研究英文题目ResearchonAdaptiveTrackingofMovingObjectsinImageSequences学号S130201041姓名蔺彦军学位类别工学硕士学科专业计算机科学与技术指导教师李伟生教授完成日期2016年5月26日重庆邮电大学硕士学位论文摘要摘要视频监控系统已逐渐进入到人们的生产和生活中。面对海量

2、涌现的视频数据，许多行业对智能视频处理的需求日益增多。目标跟踪作为视频处理的核心技术之一，已成为计算机视觉和图像处理领域的一个核心课题。运动目标跟踪就是在一段图像序列中实时地寻找感兴趣的运动目标，它已被广泛地应用到智能监控、视觉导航、智能交通、人机交互、视频检索等领域。因为目标受到光照变化、外观变化、旋转以及遮挡等因素的影响，当前的很多目标跟踪算法由于环境的复杂性仍难以满足对精度和实时性要求比较高的智能视频处理领域。本文从目标跟踪所面临的主要挑战出发，提出了基于外观变化和遮挡估计的自适应随机整体

3、跟踪方法和基于特征点定位辅助TLD(Tracking-Learning-Detection)目标跟踪方法，使跟踪算法对外观变化和遮挡等干扰更鲁棒。主要研究内容包括：1.基于外观变化和遮挡估计的自适应随机整体跟踪方法。针对随机整体跟踪算法着重于估计分类器的状态，而忽略目标的状态以及在模式更新过程中采用固定的分类器学习率，本文提出了在图像序列的每一帧中估计目标外观变化和遮挡状态，并结合估计状态来自适应调整分类器的学习率，同时提出了基于稀疏光流的外观变化估计方法和基于稀疏的遮挡估计方法。实验结果表明，

4、本文提出的方法在外观变化较大和严重遮挡等场景下取得了较好的跟踪效果。2.基于特征点定位辅助的TLD跟踪方法。针对TLD不能很好地处理遮挡以及对行人等非刚性目标跟踪效果不佳等问题，提出了基于特征点定位辅助的TLD跟踪方法。在每帧图像中，通过SURF(SpeededUpRobustFeature)算法提取一些特征点，然后选取一些与待跟踪目标有固有联系的特征点来辅助定位目标的位置。在跟踪过程中，用TLD算法跟踪目标，若目标跟踪失败，则采用特征点辅助模型来估计目标的位置，若跟踪成功，更新特征点定位辅助模

5、型和TLD算法的检测器和跟踪器。实验结果表明，本文提出的方法比传统的TLD、VTD(VisualTrackingDecomposition)和SCM(Sparsity-basedCollaborativeModel)等更鲁棒。关键词：目标跟踪，自适应分类更新，外观变化估计，遮挡估计，特征点辅助I重庆邮电大学硕士学位论文AbstractAbstractVideosurveillancesystemhasbeeninfiltratedintothepeople'sproductionandlife.

6、Facingwithmassiveemergenceofvideodata,manyindustries’demandforintelligentvideoprocessingisincreasing.Asoneofthecoreofthevideoprocessingtechnology,objecttrackinghasbecomearesearchhotspotinthefieldofcomputervisionandimageprocessing.Movingtargettracking

7、istotimelyfindinterestedmovingtargetsinanimagesequence,whichhasbeenwidelyappliedtovariousfields,suchasintelligentsurveillance,visualnavigation,intelligenttransportation,human-computerinteraction,videoretrieval,etc.Duetotheinfluenceofsomedistractionss

8、uchasthelight,thetargetappearancechangeandpossibleocclusion,thecurrentmanytargettrackingalgorithmsstillcannotmeettherequirementsofhighprecisionandgoodreal-timeforintelligentvideoprocessing.Theviewpointofthisthesisisthechallengesfacedbyobjecttrackings