论文部分内容阅读
视频图像中的运动目标跟踪作为计算机视觉领域的核心研究课题之一，经过近50多年的发展得到了广泛而深入的研究。它融合了图像处理、模式识别、人工智能、自动控制等相关领域的研究成果，在视频监控、机器人导航、视频传输、视频检索、医学图像分析、气象分析等许多领域有着广泛的应用。本文以此为研究内容，具有重要的理论意义和广阔的应用价值。
本文提出一种通过实时调整目标特征权值来进行背景自适应跟踪的算法。首先，定义了一种综合特征集合用以描述目标的颜色和局部轮廓。其次，提出了在滤波框架中对目标特征进行评估的算法，从而使得具有强区分能力的特征占有较大的权值，进而使其能够在跟踪过程起到较大的作用。采用传统的Kalman滤波和粒子滤波对所提出的算法进行了验证。
本文的主要贡献和研究内容如下：
1)一种面向跟踪的目标表征综合特征集。基于颜色直方图(Histogram ofColor,HC)和梯度方向直方图(Histogram of Oriented Gradient，HOG)的综合直方图融合了目标的颜色、局部轮廓、梯度方向等特征，固定尺度的综合直方图和Scale Invariant Feature Transform(SIFT)特征点具有相近的描述能力。同时，利用SIFT特征点的主方向方法改进了HOG特征的提取，在一定程度上解决了HOG对目标旋转敏感的缺点。
2)基于时间连续性的特征权值评估方法。在每帧视频中，通过当前视频帧中的跟踪目标特征区分目标本身与相关背景的能力以及前一视频帧中跟踪目标特征的权值对特征进行重新评估。将这种特征权值评估的方法嵌入到传统的滤波框架中，从而可以保证特征权值的变化是个连续的过程，即具有时间连续性。这也是本文的主要贡献。
3)对传统滤波算法应用的扩展。基于滤波框架的特征权值评估有效地将滤波算法从对目标运动状态的建模扩展到了对目标特征重要性的评估，拓展了传统滤波框架的应用范畴。