论文部分内容阅读
快速的经济发展、不断升级换代的计算机软硬件以及不断提高的网络速度，互联网已经渗透到人们生活的各个领域之中，再加上物联网技术的火热，各种基于网络互连智能化的应用逐步融入人们的生活之中，人们对生活自动化、智能化的需求越来越强烈，计算机视觉的研究越来越受到各方面专家学者的重视，而视觉视频目标跟踪作为计算机视觉领域的一个重要方向，蕴含着巨大的商机和经济效益，受到了学术界、产业界和管理部门的高度重视。
本文选取了视频目标检测和跟踪为研究主题，以包含运动目标的视频序列为研究对象，从理论、算法和实验三个方面讨论了视频目标检测和跟踪所存在的相关问题。具体而言，论文在以下几个方面进行了一些研究工作:
1)研究了视频检测的相关技术，在阅读和研究相关文献的基础上，提出一种临近区间更新与运动Blob混合检测算法。当目标跟踪置信度高于阈值时，采用临近区域更新对目标进行跟踪;当运动目标的置信度低于下限阈值时，采用Blob跟踪方法，根据颜色和空间上的相似性将目标分割为多个区域，每个区域包含有区域号、位置、大小信息，随机选取一个进入在线Boosting跟踪模块进行检测，直到获取到置信度达到上限阈值时，切换到临近区域更新算法进行跟踪。通过此方法可解决单纯基于在线Boosting的跟踪的临近区间更新算法所导致的错误累积进而产生漂移甚至跟踪失败的问题。
2)介绍了传统Boosting算法，主要针对AdaBoost和在线Boost做详细的分析，提出一种改进的在线Boosting的特征更新算法，来对目标特征进行分类判断。很好的捕获到背景扰动、目标形变和遮挡情况对目标特征的影响，在有噪声的情况仍然能够获得比较稳定的跟踪结果。
3)以临近区域更新与运动Blob混合检测算法来实现初步定为目标区域，使用基于在线Boosting的特征更新算法来学习待跟踪目标的特征，实现简单的目标跟踪系统来验证算法的有效性，对不同视频序列测试的结果表明，与传统在线Boosting算法和其它传统的跟踪算法相比，本算法能在实时性的基础上快速准确获取跟踪目标并具有更强的鲁棒性。