对影响视频精确跟踪因素的研究及其跟踪模式的优化.doc

对影响视频精确跟踪因素的研究及跟踪模式的优化 摘 要 视频目标跟踪是指对视频中感兴趣物体进行分析、检测、提取、识别及跟踪，在人机交互、机器导航、医疗诊断等很多方面有着广泛的应用，是实现智能视频监控的基础。在实际的监控场景中，遮挡、形变、光照及背景的动态变化等不确定因素，使得对目标的精确跟踪很困难，现有的跟踪算法都是针对特定问题的特定解决方法，开发出在任何环境中都能精确跟踪到目标的算法仍很困难。 本研究提出这样一种思路：把现有的跟踪算法集成起来，从易到难排列，并用不同的参数监测不同的算法，当正在使用的算法不能精确跟踪到目标时，切换为下一算法。本文以卡尔曼滤波和粒子滤波的相互切换为例。 1. 针对影响视频精确跟踪因素，如遮挡、形变、光照及背景的动态变化等，这些因素是随机的、不确定的，可以化为噪声来研究，提出了对随机序列的高斯度定义，把随机噪声的分布分为超高斯、高斯、次高斯及非高斯，找出卡尔曼滤波可以工作的范围，并在噪声服从超高斯分布，卡尔曼滤波跟踪精度不高时，定义了参数自适应法，提高了卡尔曼滤波的跟踪精度。 2. 提出了一种评价算法性能的参数。实现此参数的方法不同于一般的以帧为单位的视频处理方式，处理当前帧的同时考虑了当前帧的前几帧信息，保证了信息的完整，且可以对算法的好坏进行评价。把该算法性能评价参数用于卡尔曼滤波中，作为卡尔曼滤波和粒子滤波进行顺切换的监测参数，当到达切换阈值后，