復雜背景下目標檢測與跟蹤算法研究.pdf

1、目標檢測和跟蹤是計算機視覺的重要研究領域。在民用和軍用方面都具有很廣闊的應用前景。目標檢測是通過對圖像序列的分析，將目標區(qū)域從圖像中識別出來;目標跟蹤通過對圖像序列中的目標進行數(shù)據(jù)算法分析，預測目標在下一幀的位置，從而生成目標的運動軌跡。近年來隨著計算機技術的發(fā)展，目標檢測和跟蹤技術成為了熱點研究問題。雖然學者們在這個領域提出了各種各樣的算法，但是由于各種復雜的背景問題，例如光照變化、動態(tài)背景、運動目標形變、尺度變化、遮擋等，仍然沒有一

2、個方法可以適用于任何場景。所以目標檢測和跟蹤算法的研究依然具有重要意義。
　　在目標檢測方面，論文重點介紹了基于運動分析的檢測方法和基于統(tǒng)計學習的檢測方法。基于運動分析的檢測方法主要有幀差法、背景差分法、光流法等，通過實驗可以證實這類方法可以較好的檢測運動目標，但是局限于目標與背景發(fā)生相對運動的場景。基于統(tǒng)計學習的檢測方法主要運用分類器技術。論文采用了隨機蕨叢分類器，運用2bitBP特征描述，通過樣本采集、分類器訓練、分類器測試等

3、步驟將隨機蕨叢算法運用到航拍視頻序列的目標定位上。實驗結(jié)果表明，隨機蕨叢算法檢測率較高，在復雜背景下也有較高的適應性。
　　在目標跟蹤方面，論文對傳統(tǒng)的粒子濾波跟蹤算法進行了改進。論文融合了HOG和顏色兩大特征作為目標對象的特征描述，在跟蹤過程中能夠更好的表示目標對象;為了提高跟蹤的魯棒性，并且能夠有效的應對遮擋現(xiàn)象，論文引入了一種基于時空上下文信息的目標外觀模型，并且改進了模型更新方案;對于跟蹤過程中出現(xiàn)的目標對象尺度變化，論文