基于低質量監(jiān)控視頻的多人跟蹤魯棒性研究.pdf

1、視覺目標跟蹤技術在智能監(jiān)控系統(tǒng)、增強現(xiàn)實、模式識別和機器學習等領域有著廣泛的應用，成為了計算機視覺領域研究熱點之一。行人跟蹤是視覺目標跟蹤技術的核心研究內(nèi)容，但由于人體姿勢變化和運動方向的不確定性、光照的劇烈變化、相互遮擋及背景遮擋等因素的影響，使得低質量視頻環(huán)境下行人跟蹤還面臨著許多問題。因此，研究魯棒性強的外觀模型以及準確、智能、實時的行人跟蹤算法對視覺目標跟蹤效果具有十分重要的意義。
　　本文以低質量監(jiān)控視頻多人跟蹤算法的魯

2、棒性作為研究對象，提出了一種基于卡爾曼粒子濾波框架的魯棒多人跟蹤算法。在外觀模型提取階段，顏色直方圖特征是常用的外觀模型提取方法，但顏色直方圖特征過于單一，且易受到光照變化以及相似顏色的干擾，降低了外觀模型提取的準確度，從而影響了跟蹤效果。針對上述問題，提出了改進的顏色特征，降低光照變化給外觀特征帶來的干擾。此外，在顏色特征的基礎上融合了紋理特征，以減少相似顏色的干擾，提高了外觀特征提取的準確度以及跟蹤算法的魯棒性。在行人跟蹤階段，針對

3、行人運動的非線性和非高斯性，采用粒子濾波作為跟蹤器。然而在行人相互遮擋及背景遮擋的情況下，無法準確提取行人當前外觀模型，易出現(xiàn)目標跟丟的現(xiàn)象。針對上述不足之處，引入了卡爾曼粒子濾波方法，當遮擋現(xiàn)象發(fā)生后，利用卡爾曼濾波估計輔助跟蹤。通過卡爾曼濾波最優(yōu)估計得到行人當前位置，從而消除遮擋時無法有效提取外觀模型的影響，提高了跟蹤算法的魯棒性。
　　最后，對比傳統(tǒng)粒子濾波算法，本文分別在光照劇烈變化、相互遮擋及背景遮擋情況下進行了實驗。最