收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

复杂环境下基于多特征融合的目标跟踪关键技术研究

刘明华  
【摘要】:视觉目标跟踪(Visual Object Tracking,VOT)是计算机视觉、图像处理和模式识别等领域研究的热点之一,在智能视频监控、人机交互、智能交通、军事制导和机器人导航定位等领域具有广泛的应用。复杂环境下,受光照变化、相似背景、目标形变以及遮挡等因素的影响,对视觉目标进行精确、鲁棒的实时跟踪成为计算机视觉领域公认的难题。近年来,虽然国内外很多学者对目标跟踪进行了深入研究,提出了许多优秀算法,但仍然有很多关键技术问题没有得到有效解决,因此,设计一个实时性更高、鲁棒性更好的视觉目标跟踪系统,是当前军事和民用领域的迫切需要。本文在视觉目标跟踪领域经典粒子滤波和均值偏移(Mean Shift)理论的基础上,对基于多特征融合的目标跟踪关键技术进行了系统研究。针对复杂环境下,目标跟踪误差较大、精度较低的难题,提出了基于特征描述能力度量的多特征自适应融合目标跟踪方法,提高了复杂环境下目标跟踪算法的鲁棒性和精确性。本文主要研究工作及成果如下:(1)提出了基于多特征融合目标跟踪框架的构建方案。通过对复杂环境下的目标跟踪问题进行分析,建立了多特征融合目标跟踪的总体框架和通用模型;通过引入特征描述能力度量函数,给出了基于特征描述能力度量的多特征融合策略,为实现不同跟踪算法框架下的多特征融合跟踪奠定了基础。(2)提出了一种基于多特征自适应融合的粒子滤波目标跟踪方法。针对基于单一特征和固定权值多特征目标模型跟踪算法鲁棒性较差的问题,提出一种基于特征可分性和稳定性度量的多特征融合目标跟踪算法。具体而言,在粒子滤波框架下,根据跟踪场景的变化,通过动态计算不同特征对目标和背景的可区分性和稳定性,设置重要性权值并自适应选择区分能力强、稳定性好的特征描述目标,建立多特征融合目标模型。在状态转移过程中,给出了一种基于特征稳定性度量的选择性模板更新策略,并对遮挡进行了有效的处理。实验结果表明,复杂场景下该方法具有更好的鲁棒性和精确性。(3)提出了一种尺度和方向自适应的多特征融合Mean Shift目标跟踪方法。经典Mean Shift算法仅使用颜色特征描述目标,缺少目标模型的自适应更新,针对此问题,通过度量特征对目标和背景的区分能力、动态计算特征权值、自适应选择高权值特征建立多特征融合目标模型,推导出了基于多特征融合的Mean Shift目标定位公式。依据特征权值的大小,提出了一种目标模板的异步更新策略,以减轻目标模型的漂移。针对Mean Shift算法使用固定的核函数带宽,对目标尺度变化适应性较差的问题,在Mean Shift算法框架下引入了SIFT特征,使算法对目标模型尺度和方向的变化具有良好的适应性。实验结果证明,在目标姿态、尺度和方向发生较大变化以及遮挡等复杂环境下,所提方法优于同类跟踪算法。(4)提出了一种基于多特征自适应融合的分块目标跟踪方法。针对复杂环境下,基于全局特征模型的目标跟踪算法容易丢失目标的情况,提出了一种基于局部敏感直方图和超像素模型的自适应分块目标跟踪算法。该算法利用局部敏感直方图特征和自适应分块方法建立目标模型,提取局部敏感直方图的亮度不变特征来抵制光照变化对目标模型的影响;针对局部敏感直方图算法缺少有效的遮挡处理机制,引入基于超像素分割的目标分块划分策略来提高目标的抗遮挡性;通过相对熵和均值聚类度量子块的局部差异置信值和目标背景置信值,建立双权值约束机制来计算不同子块的置信度,选择置信度高的子块在粒子滤波框架下定位目标;给出有效的目标遮挡检测和模型更新策略。通过在Benchmark数据集上的实验表明,所提方法比其他最新算法有更高的正确率和跟踪精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 初红霞;王科俊;王希凤;郭庆昌;韩晶;;多特征融合的退火粒子滤波目标跟踪[J];计算机工程与应用;2011年06期
2 顾鑫;王海涛;汪凌峰;王颖;陈如冰;潘春洪;;基于不确定性度量的多特征融合跟踪[J];自动化学报;2011年05期
3 姚红革;杜亚勤;;基于多模式多特征融合粒子滤波视频目标跟踪[J];西安工业大学学报;2012年11期
4 王兰;;基于多特征融合的票据分类技术及应用[J];计算机光盘软件与应用;2013年13期
5 陈增照;何秀玲;杨扬;董才林;;基于多特征融合的票据分类技术及应用[J];计算机工程与应用;2006年09期
6 周斌;林喜荣;贾惠波;宋榕;;多特征融合的手背血管识别算法[J];清华大学学报(自然科学版);2007年02期
7 刘贵喜;范春宇;高恩克;;基于粒子滤波与多特征融合的视频目标跟踪[J];光电子.激光;2007年09期
8 胡全;邱兆文;王霓虹;;基于多特征融合的图像语义标注[J];东北林业大学学报;2008年10期
9 周静;黄心汉;彭刚;;基于多特征融合的飞机目标识别[J];华中科技大学学报(自然科学版);2009年01期
10 沈才梁;许雪贵;许方恒;龙丹;;多特征融合的人脸检测[J];计算机系统应用;2009年11期
11 刘红;王晔;雷长海;;基于多特征融合的中医舌像检索研究[J];计算机应用研究;2010年02期
12 杜艳明;龙丹;;多特征融合的人脸检测[J];武汉理工大学学报;2010年23期
13 李正周;马齐佑;郑微;刘书君;金钢;;基于多特征融合的微弱红外运动目标跟踪方法[J];强激光与粒子束;2011年01期
14 王刚;靳彦青;刘立柱;储瑞来;;基于多特征融合的东亚文种识别[J];计算机科学;2013年01期
15 刘进;陈玮;;基于多特征融合的粒子滤波算法的研究与实现[J];计算机测量与控制;2013年05期
16 赵小英,黄凤荣;多特征融合的目标识别与提取在空间定位中的研究[J];河北工业大学学报;2002年04期
17 张新峰;沈兰荪;;多特征融合技术应用于中医舌象分析的初步研究[J];电子学报;2006年04期
18 张进华;庄健;杜海峰;王孙安;;一种基于视频多特征融合的火焰识别算法[J];西安交通大学学报;2006年07期
19 刘李敦;王星;;基于多特征融合的图像检索技术研究[J];计算机时代;2008年08期
20 陈丽;陈静;;基于支持向量机和k-近邻分类器的多特征融合方法[J];计算机应用;2009年03期
中国重要会议论文全文数据库 前3条
1 叶锋;蔡光东;郑子华;亓晓旭;尹鹏;;基于多特征融合的药用植物标本识别[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
2 段其昌;季长有;;基于多特征融合的快速人脸检测[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年
3 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
中国博士学位论文全文数据库 前5条
1 刘明华;复杂环境下基于多特征融合的目标跟踪关键技术研究[D];青岛科技大学;2016年
2 田纲;基于多特征融合的Mean shift目标跟踪技术研究[D];武汉大学;2011年
3 徐志刚;基于多特征融合的路面破损图像自动识别技术研究[D];长安大学;2012年
4 陈秀新;多特征融合视频复制检测关键技术研究[D];北京工业大学;2013年
5 初红霞;基于均值移动和粒子滤波的目标跟踪关键技术研究[D];哈尔滨工程大学;2012年
中国硕士学位论文全文数据库 前10条
1 张岩;基于多特征融合及二部图匹配的3D目标检索技术研究[D];哈尔滨工业大学;2015年
2 计明明;基于多特征融合的三维模型检索技术[D];浙江大学;2015年
3 王庆;基于多特征融合的人体动作识别方法研究[D];上海大学;2015年
4 刘婕;复杂场景多特征融合粒子滤波目标跟踪[D];重庆理工大学;2015年
5 崔剑;基于多特征融合的分级行人检测方法研究[D];电子科技大学;2015年
6 王珊珊;基于极化SAR非监督分类的油膜厚度估算方法研究[D];大连海事大学;2015年
7 肖冠;基于多特征融合的异类传感器中段目标关联算法研究[D];国防科学技术大学;2013年
8 王建荣;基于多特征融合的无人机航拍图像识别研究[D];成都理工大学;2015年
9 高爽;基于多特征融合的粒子滤波跟踪算法研究[D];西安电子科技大学;2014年
10 坎启娇;基于多特征融合的多目标跟踪算法[D];河北工业大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978