论文部分内容阅读
人体目标的视觉跟踪在视觉监控和人机交互等领域中具有广阔的应用前景，是当前的热点方向之一。为了建立一个鲁棒的跟踪系统，一些研究者致力于在贝叶斯跟踪方法中引入多线索融合，例如在粒子滤波跟踪和CONDENSATION算法中。这些多线索融合技术与采用的基于贝叶斯框架的跟踪方法是紧密耦合的，不便于引入到非贝叶斯的跟踪方法中，例如MeanShift等确定性搜索方法。另一方面，基于颜色的MeanShift方法一直因其快速高效的特点而被广泛应用于跟踪颜色区域。但是，该方法在跟踪低饱和度的颜色、在背景有相似颜色干扰的情况下可能会失效。因此，我们希望利用图像分割中多线索融合方法，试图增强MeanShift方法在这种情况下的鲁棒性。
针对MeanShift在跟踪低饱和度的颜色和在背景有相似颜色干扰时可能失效的问题，本文给出了一种直接多线索融合方法来引入运动信息。并以此为基础，设计并实现了一个遮挡处理算法来处理跟踪目标被完全遮挡的情况。
由于各种线索在不同的情况下可靠性不同，因此，我们引入了基于线索可靠性评价的多线索自适应融合方法。与前人工作不同的地方在于：第一，我们所采用的MeanShift跟踪算法能给出人体区域的位置和大小；第二，我们引入了新的线索评价函数，对噪声更鲁棒，能平滑而且合理地调整线索的权值。我们还将基于直接融合的遮挡处理算法引入自适应线索融合方法中，来解决目标被遮挡的问题。