复杂场景中单目标跟踪算法分析-计算机技术专业论文.docx

万方数据 万方数据 摘要 I 摘要 随着信息技术的飞速发展、计算机硬件处理能力的不断提高和存储成本大幅 下降，计算机视觉领域的目标跟踪技术逐渐成为学者们研究热点，在人机交互、 智能监控、医疗等方面得到广泛的应用与发展。尽管人们已经提出了很想有效的 视频目标跟踪算法，但实际应用中，视频目标的多变化、场景的复杂化使得跟踪 技术仍然面临许多难题。 本论文针对视频序列中常见的目标快速运动、遮挡、外观形变、场景的光照 变化、背景杂乱、目标与背景相似等情况进行分析研究，主要研究成果如下： （1）提出了一种基于散射描述子的运动目标跟踪方法。该方法用非下采样散 射描述子来表征目标，使得提取到的目标特征更全面、典型，很好地从图像背景 中分离出前景目标；引入自适应更新目标模型和级联的遮挡判断方法，很大程度 上减少了目标漂移，克服了目标发生遮挡、外观改变、快速运动问题，实现了准 确可靠的跟踪； （2）提出了一种基于样本重选择的目标跟踪方法。该方法在建立目标表观模 型时，根据样本示例的概率分布特性进一步对样本进行筛选，使得样本标记更准 确，获取的样本更加典型地表征目标，同时引入样本的先验概率增强分类器的稳 定性措施，很大程度上提高了算法的可靠性，对光照变化、目标快速运动、运动 模糊、复杂场景下的跟踪问题具有良好的鲁棒性； （3）提出了一种基于上下文约束编码的目标跟踪方法。该方法主要介绍了基 于相邻帧的上下文约束编码模型，该模型通过相邻帧的对应像素互相约束的方法， 很好地保持了视频序列的空间一致性，增强编码模型的稳定性。采用在线更新码 本和分类器参数的方法，降低了跟踪过程中产生的漂移现象，增强了动态场景中 模板外观变换时跟踪的稳定性和可靠性。同时该方法对场景复杂、背景杂乱的视 频序列依然能实现可靠稳定的跟踪。 本论文工作得到了国家自然科学基金（No.的资助。 关键字：目标跟踪 散射描述子 遮挡判定 样本重选择 上下文约束编 Abstract III Abstract With the rapid development of information technology, the improvement of computer hardware processing ability and the decrease of memory storage costs, object tracking attracts more attention of global researchers in the field of computer vision, which has become a research hot point. Object tracking is widely used in the human-computer interaction, intelligent monitoring, medical image, etc. Although a great number of researches on object tracking have been achieved, there are many difficulties need to be handled in practice, for example, object occluded, motion change rapidly and blur, illumination varies drastically, scene clutter, etc. This paper focuses on studying some methods to solve these problems in the field of object tracking, and mainly covers the following three topics: A method of Tracking with scattering descriptor is proposed. The undecimated scattering transformation (UST) removes the down-sampling operation from the traditional scattering transform to produce a complete representation, and facilitate the tracker to distinguish the object from background. The update parameter of tracking model is adaptively adjusted by