基于特征联合和多核学习的运动目标跟踪

【摘要】： 随着视频分析技术、多媒体数据库、人工智能技术的发展,智能视频监控逐步走进了安防应用市场。智能化技术能够及时、自动地从原始视频信息中提取大量有用的信息,用来完成视频的传输保存和检索,也可以驱动其他数据、触发其他行为,从而轻而易举地完成人力很难完成的任务。因此,研究智能视频监控系统中的技术并且提高其性能具有很重要的意义。 运动目标跟踪是视频监控系统的一个重要组成部分,并且对计算机视觉的其他研究有着重要的推动作用。本文主要对视频跟踪问题做了深入的研究。在目前该领域研究成果的基础上,研究了智能视频监控中运动目标的跟踪方面的理论和方法。 我们采用了一种基于SIFT的空间金字塔相结合的表示目标特征的方法,增加了目标的空间信息特征,然后利用incremental PCA的方法作引导,训练一个能够在线更新的分类器Online Adaboost,使得当目标随着时间变化而不断变化的时候,分类器能够及时的学习新的特征以便能成功的跟踪到变化了的目标。通过大量的实验结果也证明了我们的方法能够成功的将目标跟踪的方法。并且和以往的研究方法相比在处理遮挡的挑战的时候能够很好的解决。 还利用空间金字塔统计HOG特征的方式重新得到PHOG的特征,然后将这种特征和利用空间金字塔的SIFT方法结合起来共同来表示目标,作为目标的特征,通过在线更新分类器的方法来跟踪被遮挡或者具有挑战性目标。 同时还采用多核学习的方法将空间金字塔的SIFT特征和颜色这两种特征进行学习自适应的选择每一种特征对应的核的权重,这样更加有效的提高了基于多核学习的支持向量机分类器的分类能力,而且增加了一个在线更新MKL的机制,使得对出现的遮挡,光照变化以及目标的尺度变化以及旋转都具有很好的鲁棒性。

【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TP391.41