论文部分内容阅读
运动目标跟踪是计算机视觉领域的核心研究内容,涉及人工智能、模式识别的前沿研究成果,在军事武器、智能监控、人机交互、虚拟现实等相关领域发挥着无可替代的作用。本文在学习经典的粒子滤波跟踪方法和基于均值漂移的跟踪方法的基础上,对基于多特征融合的粒子滤波跟踪算法进行了比较深入的研究。通过大量实验,发现现有算法在跟踪准确度和精度方面仍存在问题,对有光照变化的场景,跟踪准确度下降,甚至导致跟踪失败,本文从多个方面对算法进行改进,提出了基于加权颜色直方图和边缘直方图的粒子滤波跟踪算法和基于光照不变图的多特征融合粒子滤波跟踪算法。根据人眼视觉敏感性的要求,将目标的空间信息引入到目标特征中,采用加权颜色直方图与边缘直方图相结合的方式表示目标,解决了使用一种特征会导致跟踪失败的问题;对已发散的粒子进行均值漂移迭代,在优化搜索方向的同时缩小搜索范围;此外,对目标跟踪窗口采用自适应调整策略,以提高跟踪过程中目标特征的匹配精度;对目标特征模板进行实时更新,以增强跟踪过程中对抗环境变化的鲁棒性,提升跟踪的准确度和精度。针对光照变化的影响,本文引入了位置敏感直方图,在此基础上,提取视频帧的光照不变图,由于光照不变图对光照变化不敏感,因此将光照不变图应用于基于加权颜色直方图和边缘直方图的粒子滤波跟踪算法中,从而实现目标跟踪,使算法不仅对光照变化具有鲁棒性,而且跟踪准确度和精度也能保持。实验表明本文提出的算法使多特征融合粒子滤波算法的跟踪准确度和精度得到显著提升,而且解决了目标跟踪过程中光照变化带来的跟踪失败问题。与常见目标跟踪算法相比,在中心位置偏移误差和跟踪成功率两个指标上有明显优势。