【摘要】：視覺目標(biāo)跟蹤(Visual Object Tracking)是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的重要課題之一,在智能交通、視頻監(jiān)控、人機(jī)交互、智能導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用。典型的視覺目標(biāo)跟蹤算法主要由表觀建模、目標(biāo)狀態(tài)搜索和表觀模型更新三個(gè)部分組成,其中表觀建模處于核心地位,直接影響目標(biāo)跟蹤效果。盡管研究者提出了大量針對視覺目標(biāo)跟蹤的表觀建模方法,然而設(shè)計(jì)一個(gè)適用于實(shí)際應(yīng)用中各種復(fù)雜跟蹤環(huán)境的魯棒表觀模型,仍然是目標(biāo)跟蹤領(lǐng)域的難點(diǎn)問題之一。本文從多特征融合精度、遮擋的檢測與處理、表觀模型的穩(wěn)定性和判別性以及多目標(biāo)跟蹤中不同目標(biāo)物的有效區(qū)分等方面對表觀建模方法展開研究與討論,主要研究內(nèi)容包括以下四點(diǎn):基于多特征融合的表觀建模方法研究。多特征融合方法是表觀建模的常用方法,其核心問題是如何準(zhǔn)確評估不同特征對目標(biāo)的描述能力,從而在目標(biāo)跟蹤過程中自適應(yīng)調(diào)整特征融合權(quán)重,利用特征之間的互補(bǔ)性提高表觀模型的魯棒性。為了提高多特征融合方法中特征融合的精度,本文提出了一種基于局部核加權(quán)的多特征融合表觀建模方法。將目標(biāo)區(qū)域分解為多層次的子圖像塊,在每個(gè)子圖像塊上分別提取背景加權(quán)特征直方圖,以子圖像塊為單位調(diào)整特征間的融合權(quán)重。該方法突出了圖像特征對目標(biāo)局部區(qū)域的描述能力,提高了目標(biāo)整體表觀模型的特征融合精度。實(shí)驗(yàn)結(jié)果表明所提出的方法相比于傳統(tǒng)的多特征融合方法具有更好的跟蹤精度和穩(wěn)定性。目標(biāo)跟蹤過程中的遮擋檢測與處理方法。遮擋一直是視覺目標(biāo)跟蹤中的一個(gè)難點(diǎn)問題。本文針對基于稀疏表示的目標(biāo)跟蹤方法中普遍采用的單位噪聲矩陣對目標(biāo)遮擋描述能力較差的問題,提出了一種局部稀疏表示表觀模型對目標(biāo)遮擋區(qū)域進(jìn)行檢測。以此為基礎(chǔ),在候選觀測似然計(jì)算過程中以及目標(biāo)觀測模板更新過程中,顯式地對遮擋區(qū)域進(jìn)行限制與修正,在一定程度上減輕了遮擋對目標(biāo)跟蹤定位的負(fù)面影響。實(shí)驗(yàn)結(jié)果表明,所提出的方法對目標(biāo)跟蹤過程中的各種遮擋情況具有較好的魯棒性�；谙∈杈幋a的表觀建模方法研究。在前面的方法中,我們利用稀疏表示對目標(biāo)局部圖像塊的表觀特征進(jìn)行描述,取得了較好的遮擋檢測效果。然而該方法只考慮了如何有效地對目標(biāo)的局部圖像特征進(jìn)行描述,并沒有考慮局部特征之間的空間結(jié)構(gòu)信息對目標(biāo)的描述能力,以及局部特征對目標(biāo)表示的判別能力。為了提高表觀模型的穩(wěn)定性和判別能力,本文提出了一種基于判別式稀疏編碼的表觀模型。首先,提出一種判別式基函數(shù)學(xué)習(xí)方法,使得局部圖像塊的稀疏編碼系數(shù)向量對目標(biāo)和背景具有更好的區(qū)分度。然后,將所有局部圖像塊的稀疏編碼向量按照結(jié)構(gòu)化方式進(jìn)行聚集,生成目標(biāo)整體特征向量。并在聚集過程中,提出了一種基于特征維度可分性統(tǒng)計(jì)的降維方法,對稀疏編碼向量中的噪聲進(jìn)行過濾,從而進(jìn)一步提高整體目標(biāo)特征向量的類間區(qū)分度。最后,將目標(biāo)跟蹤問題轉(zhuǎn)化為一個(gè)二分類問題實(shí)現(xiàn)目標(biāo)定位。實(shí)驗(yàn)結(jié)果表明,所提出的方法對光照變化、嚴(yán)重遮擋、混亂背景等復(fù)雜跟蹤環(huán)境具有較好的適應(yīng)力。多目標(biāo)跟蹤中的表觀建模方法研究。在對單目標(biāo)跟蹤任務(wù)中表觀建模方法進(jìn)行了研究與討論的基礎(chǔ)上,我們將研究內(nèi)容擴(kuò)展到多目標(biāo)跟蹤任務(wù)中。相比于單目標(biāo)跟蹤,多目標(biāo)跟蹤更為復(fù)雜。除了要應(yīng)對來自目標(biāo)自身和外界環(huán)境的各種變化以外,多個(gè)跟蹤目標(biāo)之間經(jīng)常出現(xiàn)的相互遮擋和交替并行等情況,使得多目標(biāo)跟蹤面臨著更大的挑戰(zhàn)。為了解決多目標(biāo)跟蹤中由于目標(biāo)物外觀相似、空間距離相近等因素造成的目標(biāo)之間區(qū)分困難的問題,本文提出了一種基于SRC(Sparse Representation based Classification)和MFH(Multiple Features Hashing)的聯(lián)合表觀模型。首先,將多個(gè)目標(biāo)物的區(qū)分問題轉(zhuǎn)化為一個(gè)SRC問題,構(gòu)造了一個(gè)基于SRC的判別式全局表觀模型,用以區(qū)分所有目標(biāo)。其次,針對空間距離較近,區(qū)分較為困難的二元目標(biāo)對,構(gòu)造了一個(gè)基于MFH的局部二元區(qū)分模型,提高算法對困難二元目標(biāo)對的區(qū)分能力。最后,給出了一種啟發(fā)式優(yōu)化算法,求解聯(lián)合表觀模型下的較優(yōu)關(guān)聯(lián)矩陣。實(shí)驗(yàn)結(jié)果表明,所提出的方法能夠有效提升多目標(biāo)跟蹤效果,尤其在減少目標(biāo)身份變換方面效果較為明顯。
[Abstract]:......
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單甘霖;梅衛(wèi);王春平;;聯(lián)合目標(biāo)跟蹤與分類技術(shù)的進(jìn)展及存在問題[J];兵工學(xué)報(bào);2007年06期

2 蘇艷蘋;王戰(zhàn)偉;;極坐標(biāo)系下的目標(biāo)運(yùn)動(dòng)模型研究[J];河南科學(xué);2012年02期

3 曾鵬鑫;陳鵬;朱琳琳;徐心和;;基于目標(biāo)運(yùn)動(dòng)模型的跟蹤方法[J];系統(tǒng)仿真學(xué)報(bào);2006年12期

4 呂鐵軍;蔣宏;梁國威;丁全心;;基于多模型的聯(lián)合目標(biāo)跟蹤與分類算法[J];電光與控制;2013年08期

5 王來雄,黃士坦;一種新的基于粒子濾波的多模型跟蹤算法[J];信號(hào)處理;2005年05期

6 龔亞信;楊宏文;胡衛(wèi)東;郁文賢;;基于多模粒子濾波的機(jī)動(dòng)弱目標(biāo)檢測前跟蹤[J];電子與信息學(xué)報(bào);2008年04期

7 黃冬民;潘泉;張洪才;;運(yùn)動(dòng)目標(biāo)聯(lián)合跟蹤與分類研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2011年06期

8 鄭容，，文成林，施晨鳴，張洪才;多分辨多模型機(jī)動(dòng)目標(biāo)跟蹤[J];電子學(xué)報(bào);1998年12期

9 王峰;孔令講;楊曉波;;基于道路約束的粒子濾波檢測前跟蹤算法[J];雷達(dá)科學(xué)與技術(shù);2011年06期

10 斯通·科溫·霍夫曼 ,蘇長云;用于艦艇的多目標(biāo)多傳感器數(shù)據(jù)融合技術(shù)(續(xù))[J];情報(bào)指揮控制系統(tǒng)與仿真技術(shù);1999年09期

相關(guān)會(huì)議論文 前2條

1 楚威;閻星娥;蘇春梅;;仿真系統(tǒng)中飛機(jī)目標(biāo)典型運(yùn)動(dòng)模型的研究與實(shí)現(xiàn)[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

2 張曉勇;羅來源;;被動(dòng)測向聲納目標(biāo)最近時(shí)刻估計(jì)[A];第六屆全國信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 馮肖雪;復(fù)雜環(huán)境下多傳感器目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

2 江同洋;基于隨機(jī)有限集的多目標(biāo)貝葉斯濾波方法研究[D];浙江大學(xué);2015年

3 史春妹;隨機(jī)濾波方程數(shù)值解法及顯微目標(biāo)跟蹤研究[D];哈爾濱工業(yè)大學(xué);2015年

4 趙海楠;視覺目標(biāo)跟蹤中表觀建模方法研究[D];哈爾濱工業(yè)大學(xué);2016年

5 張國亮;紅外多光譜多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測與跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

6 顧菘;視頻目標(biāo)的跟蹤與分割的理論和方法研究[D];電子科技大學(xué);2016年

7 鐘金琴;基于視覺的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2014年

8 趙玲玲;目標(biāo)跟蹤中的粒子濾波與概率假設(shè)密度濾波研究[D];哈爾濱工業(yè)大學(xué);2011年

9 羅飛騰;目標(biāo)跟蹤的粒子濾波技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2010年

10 王勇;基于統(tǒng)計(jì)方法的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)研究[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 段羽浩;基于SE-WORKBENCH的飛機(jī)目標(biāo)雷達(dá)信號(hào)仿真[D];華中科技大學(xué);2014年

2 陳大龍;基于DSP的目標(biāo)檢測與跟蹤系統(tǒng)的研究與設(shè)計(jì)[D];燕山大學(xué);2016年

3 張儒元;基于PTZ鏡頭的主動(dòng)目標(biāo)跟蹤[D];西安電子科技大學(xué);2009年

4 范晶晶;分布式多視角目標(biāo)跟蹤的統(tǒng)計(jì)推理方法及實(shí)現(xiàn)[D];復(fù)旦大學(xué);2011年

5 胡鵬;Kalman濾波在視頻目標(biāo)跟蹤中的應(yīng)用研究[D];重慶大學(xué);2010年

6 張虎;MeanShift粒子濾波算法在視頻目標(biāo)跟蹤中的應(yīng)用研究[D];廣西科技大學(xué);2013年

7 徐鐵城;基于分類多模型法的目標(biāo)跟蹤研究[D];武漢理工大學(xué);2011年

8 伍俊橙;多目標(biāo)粒子濾波算法研究[D];電子科技大學(xué);2014年

9 田園;目標(biāo)跟蹤中抗遮擋跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2010年

10 那仁圖雅;岸對海逆合成孔徑雷達(dá)目標(biāo)檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

本文編號(hào)：2435701