论文部分内容阅读
运动目标跟踪是计算机视觉领域的重点研究问题之一,而目标跟踪技术也已经被广泛应用于视频监督、动作分析、汽车导航和人机交互等领域。近年,随着医学技术,金融信息及军事科技的发展与需求,使得运动目标的跟踪受到更多学者的关注。众多学者在目标建模,特征表达,模板更新等问题上的研究与分析使得运动目标跟踪的准确性、鲁棒性得到提升。但是建立一个有效的跟踪模型并对更多的复杂场景有效,依然是运动目标跟踪研究当中的严峻挑战。本文针对更为复杂的场景,依据当前学者提出的目标表达方法抽象出多维信息设计目标跟踪方法,主要工作如下:阐述相关的理论与文献基础,主要从运动目标跟踪领域的国内外发展趋势及当前重点相关理论入手,对当前的发展状况做介绍与分析。针对当前目标跟踪中目标表达与目标跟踪方法等重点问题进行分析,本文提了基于多独立特征分布场的运动目标跟踪方法。方法实现主要分三个步骤进行。第一步引入分布场模型,对分布场模型中的恒定值1用像素点所处的特定层次值替代,建立多层特征模型。第二步是在已经建立的多层特征空间模型中进行综合性空间特征相似度提取。以上两个步骤使得目标描述不仅继承了原始分布场模型保持目标的物理信息特性,而且利用像素本身特征值为像素本身在表达中所做的贡献提供更准确权值。以上二者共同作用促进目标表达更准确。而在第三步中则一方面将分布场表达扩展到多特征空间,另一方面借助前面提取的特征空间相似度来决定两种特征彼此补充又相互独立作用时的目标跟踪结果,这两方面工作共同实现了多独立特征分布场的运动目标跟踪方法。本文跟踪方法在利用前人分布场表达模型的基础上对其进行改进获取了多层特征空间并提取出其中的空间信息,为跟踪过程提供了准确的匹配信息。而将分布场扩展到多个特征,它们独立工作效能互补,为目标准确定位提供了更可靠依据,最终导致目标跟踪漂移减小。为了验证本文跟踪方法在复杂场景下对缓解漂移问题所做的贡献,我们将其应用于目标遮挡、快速形变、目标混杂、场景变化等等情形下实验,结果表明在复杂场景中多独立特征分布场跟踪方法均能在准确性与鲁棒性方面达到较好的跟踪效果,而且通过数据分,本方法在减小目标跟踪的漂移上有明显优势。