窗口自适应的目标跟踪算法研究

摘要

目标跟踪是计算机视觉研究领域的关键技术之一，也是该领域的研究热点。同时，目标跟踪又是一个复杂的问题，它涉及到计算机视觉研究的各个方面。近些年来，目标跟踪在视频监控、人机界面、基于目标的视频压缩等众多领域都有着广泛的应用。在众多的跟踪算法中，Mean-Shift算法以其理论严谨、实现简单和跟踪性能良好等优点受到了广泛的关注。
　　 本文的主要研究内容就是基于Mean-Shift的目标跟踪算法。Mean-Shift跟踪算法是一种基于特征概率密度统计的建模方法，在跟踪过程中，对跟踪目标建立相应的目标模型直方图，根据Bhattacharyya系数的相似性，利用Mean-Shift算法在后续帧中迭代地搜索目标模型的最佳候选区域。这使得Mean-Shift算法在跟踪中具有良好的效果，如实时性好，对遮挡、目标形变具有鲁棒性等。但是在实际的应用中，目标的尺度大小往往是变化的，而传统的Mean-Shift跟踪算法都是窗口固定的，不能对尺度变化的目标进行有效的跟踪。
　　 为了改进Mean-Shift算法的这个缺陷，本文提出了一种基于Mean-Shift算法，将多尺度信息量度量理论与UKF滤波器的结合引入其中的算法。首先利用多尺度信息量度量理论统计跟踪窗内的信息量，再使用UKF滤波器对得到的信息量进行预测，然后使用修正后的信息量计算窗口变化比例系数，最后与Mean-Shift方法结合起来对尺度变化的目标进行跟踪，通过实验证明了改进算法的有效性。

目录

文摘

英文文摘

第一章 绪论

1.1 引言

1.1.1 课题研究背景及意义

1.1.2 目标跟踪技术在相关领域中的应用

1.2 目标跟踪算法综述

1.2.1 以假设条件为依据的分类

1.2.2 基于特征的目标跟踪算法

1.3 跟踪问题的困扰因素和目标检测

1.3.1 跟踪问题的困扰因素

1.3.2 目标检测方法

1.4 本论文的主要工作和内容安排

第二章 基于Mean-Shift的目标跟踪算法

2.1 Mean-Shift算法简介

2.2 Mean-Shift算法原理

2.3 基于特征概率密度统计的目标表示和定位

2.4 Mean-Shift算法验证试验及分析

2.4.1 Mean-Shift算法验证试验

2.4.2 Mean-Shift算法分析

第三章 自动选择跟踪窗尺度的目标跟踪算法

3.1 基于视觉特征的尺度空间信息量度量

3.1.1 尺度空间

3.1.2 高斯尺度空间

3.1.3 尺度空间信息量度量定义的基本要求

3.1.4 尺度空间信息熵及其局限性

3.1.5 一维图像尺度空间的信息量度量

3.1.6 二维离散情形下的尺度空间信息量度量

3.2 自动选择跟踪窗尺度的目标跟踪算法

3.3 实验结果

3.3.1 尺度空间信息量度量验证试验

3.3.2 自动选择跟踪窗尺度的目标跟踪算法实验

第四章 非线性系统滤波算法

4.1 概述

4.2 估计理论和方法

4.3 卡尔曼滤波

4.4 扩展卡尔曼滤波

4.4.1 EKF

4.4.2 均方误差的非线性传递

4.4.3 Unscented变换和对称采样策略

4.4.4 UKF滤波的实现算法

第五章 基于UKF的窗口自适应Mean-Shift算法

5.1 改进的Mean-Shift跟踪算法结构

5.2 算法实现与分析

5.3 本章小结

第六章 总结和展望

致谢

参考文献

攻读硕士学位期间发表的论文