论文部分内容阅读
随着计算机技术的发展ˋ视频序列的目标跟踪受到国内外学者的普遍关注ˋ成为研究热点ˋ在军事和民用中都有着广泛的应用和良好的发展前景目前ˋ研究人员在目标跟踪方面做了大量研究ˋ并提出了一些目标跟踪的方法ˋ但当目标发生遮挡快速变化或者运动模糊时ˋ很难获得目标的相关参数而直接导致跟踪失败ˋ因此ˋ在这些不稳定因素的干扰下如何实现准确鲁棒和有效目标跟踪是一个需要深入研究的问题本文致力于目标跟踪方法的研究ˋ主要内容包括以下三方面1.提出了一种基于学习与加速鲁棒τspeeded-up robust feature, SURF特征的目标跟踪方法该方法根据SURF特征的特性ˋ在跟踪学习检测模型的基础上引入了SURF特征检测器ˋ它结合随机森林检测器互补实现二次检测ˋ改善了在遮挡以及快速运动情况下的目标跟踪ˋ实现稳健的长时目标跟踪2.提出了一种基于小波描述子的目标跟踪方法该方法首先对目标模板和视频当前帧进行小波分解ˋ构建含有空域信息的小波特征描述子然后求目标模板和视频当前帧小波特征描述子之间距离的局部极小值以确定目标的位置ˋ同时通过引入遮挡判断的思想ˋ判断目标是否发生遮挡ˋ提高目标模板更新的准确性ˋ当目标发生遮挡时运用角点特征及运动预测以完成目标的正确跟踪3.提出了一种基于最近邻分类器与均值漂移的目标跟踪方法该方法首先利用kd-tree建立SIFT特征的索引进行匹配ˋ同时采用均值漂移算法迭代寻找图像收敛点然后在决策级对上述两个结果进行融合ˋ通过彼此互相约束修正目标跟踪轨迹ˋ共同实现更为准确的跟踪因此ˋ当视频序列中感兴趣目标被遮挡或者出现快速运动甚至运动模糊时ˋ本文方法能够实现正确稳定的目标跟踪本论文工作得到了国家自然科学基金τNo.60972148的资助