基于双向角点光流和特征融合模板的在线学习跟踪方法-信息与通信工程专业论文.docxVIP

万方数据 万方数据 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部 门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅 。本人授权上海交通大学可以将本学位 论文的全部或部分 内容编入有关数据库进行检索 ，可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文 。 保密口，在一一年解密后适用本授权书 。 本学位论文属于 d 不保密 g. (请在以上方框内打 .j ) 学位论文作者签名:又惭 指跚币签名 :吟吟 日期:如I 年 l 月 8 日 日期:立.01)年/月 2 日 、 上海交通大学硕士学位论文 上海交通大学硕士学位论文 基于双向角点光流和特征融合模板的在线学习跟踪方法 摘 要 目标跟踪是计算机视觉领域的重要研究问题，它可以广泛应用在 公共场所监控、视频检索、人机交互、机器人智能、数码娱乐等多个 领域。然而，如何实现持续鲁棒实时的目标跟踪，依然是颇具挑战的 课题，它需要解决的问题包括：目标的遮挡形变、消失重现、相似物 干扰、高速运动、光照变化、背景变化干扰、视频模糊、实时性要求 等。 本文介绍了视频目标跟踪和检测的研究和发展状况，着重介绍了 光流跟踪方法、各类检测特征，基于随机森林的检测模型，以及分类 器在线学习更新的算法，并在以下方面做了一些创新性工作： 1. 在经典的 Lucas-Kanade 光流跟踪算法上，对跟踪点的选取进 行改进，并对错误跟踪的点判断机制进行优化，提出了一种新 算法：基于双向角点光流判断机制的点跟踪算法。该算法能有 效避免噪点，遮挡点，快速运动点对帧间跟踪的影响。 2. 在统计信息和 Haar-like 特征的基础上，提出了基于特征融合 模板的目标检测策略，设计了基于特征融合模板的随机森林在 线学习模型。该检测模型能够充分利用目标的局部特征和全局 信息，更好地表征物体，从而能够快速检测到目标，指导目标 跟踪。 3. 设计并实现了在多种复杂场景下进行长期鲁棒跟踪检测的监 控系统。其关键技术包括：轨迹平滑性约束的在线位置预测， 跟踪检测学习反馈的模型架构等。 上述工作在多个有挑战的数据库上进行了系统的测试。实验结果 表 明 ， 基 于 双 向 角 点 光 流 判 断 机 制 的 点 跟 踪 算 法 优 于 经 典 的 I Lucas-Kanade 光流跟踪算法，更好地处理噪点、遮挡点和快速运动点 的干扰误差；特征融合模板的在线学习检测模型能够处理消失重现， 严重遮挡，光照变化等多种挑战复杂场景下的稳定持续跟踪任务；而 具有轨迹平滑算法的监控系统，面向相似物干扰大，背景变化多的接 力跟踪和多人跟踪应用均有不错的鲁棒性和时间效率性表现。 关键词：目标跟踪、双向角点光流、在线学习、融合模板、轨迹平滑 约束 II ONLINE LEARNING BASED TRACKING USING BIDIRECTIONAL CORNER OPTICAL FLOW AND FEATURE FUSIONAL TEMPLATE ABSTRACT Object tracking is a fundamental topic in computer vision, and is widely applied to intelligent surveillance, video retrieval, human machine interface, robotics navigation and digital entertainment. However, it remains a great challenge to achieve robust consecutive trackingunder cases of object occlusion, disappearance and reappearance, geometric distortions, similar object interference, fast movement, illumination variations, background clutters, image blur, and real time requirement. This thesis introduced the state-of-the-art techniques in visual tracking domain. It put emphasis on the methods of optical flow based object tracking, feature-based object representation, and rando