像素点特征加权的尺度自适应跟踪算法研究

摘要

目标跟踪是计算机视觉领域的一个研究热点，随着智能视频监控系统和智能驾驶的广泛应用，目标跟踪技术面临越来越多的挑战。针对目标运动过程中的姿态变化、旋转、干扰以及缩放等情况，以Mean-shift算法为跟踪框架，通过在构建目标模型、实现目标尺度自适应以及模型更新方面进行改进，提出结合像素点特征加权的尺度自适应跟踪算法。
　　首先利用目标区域中每个像素点的颜色特征和位置特征，建立目标模型。在目标区域中，每一个像素点在区分背景及目标时所起的作用差别很大，就像人在识别快速运动的物体时总是根据一些非常显著的特征。目标模型中不同像素点在目标识别中的作用不同，为了让具有显著特征的像素点在目标模型中具有更重要的作用，同时避免多种特征融合时带来的计算压力，将目标区域中每个像素点的颜色特征和位置特征作为显著特征，对颜色较显著的点赋予较大的权值，对离中心点较近的点赋予较大的权值，得到目标区域中每个像素点的加权系数，并与抑制背景相似特征系数相结合，从而构建一个新的目标模型。
　　其次用目标的平均权值图估算尺度变化系数，以实现目标尺度的自适应。目标在运动时，由于观测角度和距离的改变，观测到的目标尺度也经常发生变化。为了实现跟踪尺度的自适应，全面准确的描述目标特征，提出用连续两帧中目标区域像素点的平均权值图之比作为尺度变化系数，结合目标初始平均权值图进行修正，并利用之前各帧的目标尺度对下一帧的目标尺度进行预测，在保证跟踪过程简单、高效的同时，实现一定程度的尺度自适应。
　　最后构建一个更新模型，对跟踪过程中的目标模型和背景模型进行更新。目标跟踪是一个持续的过程，跟踪对象经常面临着背景的干扰。为了适应背景的变化，提出结合各帧间的时间上下文关系，按照背景变化的强度，有选择的更新背景模型，并结合预测的目标尺度对目标模型进行实时更新，来减少背景对目标的干扰，以实现跟踪过程的稳定性和顽健性。
　　实验表明，提出的算法充分利用目标区域内各像素点间的差异，可以做到较快速、较有效的跟踪，且具有较强的顽健性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 论文的研究背景和意义

1.2 目标跟踪的现状

1.3 论文的研究内容

1.4 论文的结构安排

第二章 目标跟踪算法研究概述

2.1 跟踪对象的表示

2.2 特征的选取

2.3 目标检测

2.4 目标跟踪

第三章 结合像素点特征加权的目标跟踪算法

3.1 特征表示

3.2 模型建立

3.3 像素点特征加权对跟踪的影响

3.4 模型更新

3.5 算法流程

3.6 实验数据集及参数设置

3.7 实验结果与分析

3.8 本章小结

第四章 像素点特征加权的尺度自适应跟踪算法

4.1 尺度自适应

4.2 模型更新

4.3 算法流程

4.4 实验数据集及参数设置

4.5 实验结果与分析

4.6 本章小结

第五章 结 论

5.1 本文工作总结

5.2 研究展望

参考文献

致谢

攻读学位期间的研究成果