论文部分内容阅读
目标跟踪技术就是对视频图像中的运动目标进行检测,以捕捉目标对象的实时位置、运动趋势、轨迹等运动状态信息,广泛应用于智能监控、视觉导航、智能交通、人机交互、国防侦察等领域;粒子滤波算法是一种基于蒙特卡罗与递推贝叶斯估计的统计滤波方法,在非线性、非高斯系统中处理参数估计和状态滤波方面具有独特优势;近年来,基于粒子滤波的目标跟踪技术已成为机器视觉领域的研究热点之一,但由于受到跟踪初始阶段目标模板获取不准确、目标与背景色彩相近、姿态变化、遮挡、相机抖动、多目标跟踪等复杂场景因素的影响,实际应用中,基于粒子滤波的目标跟踪技术尚存在无法自动感知和捕捉运动目标、目标易丢失、跟踪准确性和稳定性差等问题。本论文以研究项目的实际应用需求为牵引,致力于利用粒子滤波目标跟踪框架理论,探索构造目标特征表达模型和多特征融合规则,研究自适应目标检测方法,以提高在复杂场景下粒子滤波目标跟踪的准确性和鲁棒性。论文主要研究内容是:(1)研究了传统粒子滤波目标跟踪算法存在的缺陷。在实际应用中,传统粒子滤波算法存在两个主要缺陷:第一,通过手动方式锁定第一帧视频目标,无法实时、自动感知和捕捉场景中出现的运动目标,特别对多目标跟踪任务,不同目标在场景中出现频繁,不能有效感知目标出现就不能实现目标跟踪任务;第二,传统粒子滤波算法采用单一RGB颜色直方图作为参考目标概率模型和候选目标概率模型,利用Bhattacharyya距离计算参考目标概率模型与候选目标概率模型的相似性程度,根据其相似度程度更新粒子权值,并通过粒子权值重采样和加权准则以估计目标状态位置信息。此过程中,由于RGB颜色空间的3个成分不独立,在光线变化明显、目标与背景色彩相近情况下,易导致目标跟踪丢失;同时,单一RGB颜色特征不具备表达目标几何结构信息,当目标被部分遮挡或相机运动成像等复杂场景情况下,也易导致目标跟踪丢失。(2)对视频场景的复杂性进行了分析,研究了不同场景下采用不同目标特征模型对粒子滤波目标跟踪性能的影响。粒子滤波目标跟踪的有效性和准确性依赖于如何根据目标场景的特点合理建立目标特征模型。论文首先对光照变化、目标与背景色彩相近、姿态变化、遮挡、相机抖动、多目标等视频场景的复杂性进行了分析;然后,分别研究了不同场景下颜色特征、纹理特征、角点特征对粒子滤波目标跟踪性能的影响,并分别采用RGB&HSV颜色模型、LBP(Local Binary Pattern)&HLBP(Haar HLBP)纹理模型以及SUSAN角点模型对6种不同场景视频进行了对比实验。实验结果表明:颜色特征模型对目标姿态改变或几何形变不敏感,具有较好的跟踪鲁棒性;纹理特征能反映目标区域像元结构信息,具有较好的光照不变性,在目标与背景色彩相近、目标部分遮挡或相机运动成像场景下,采用纹理特征模型具有较好的跟踪鲁棒性;角点是目标轮廓的显著特征点,不受目标形变影响,具有旋转、平移、缩放不变性,在目标与背景色彩相近、目标形变、部分遮挡等场景下具有一定的跟踪鲁棒性。(3)提出了一种融合边缘信息具有抗光性能的Sobel中值二值模式(Sobel Median Binary Pattern,SMBP)纹理描述算子,并把HSV颜色空间核函数直方图概率模型和SMBP纹理直方图概率模型进行融合,提出了一种基于多特征融合的复杂场景粒子滤波单目标跟踪算法。论文提出了Sobel中值二值模式(Sobel Median Binary Pattern,SMBP)纹理描述算子,该算子通过对目标区域LBP窗口进行Sobel边缘检测和中值滤波,不但继承了LBP纹理算子旋转不变性和灰度不变性特点,能有效捕捉目标区域内纹理特征,而且具备了捕捉目标边缘信息和抗噪声干扰的能力;在目标与背景色彩相近、目标部分遮挡、相机运动成像等场景下,基于SMBP纹理特征的粒子滤波目标跟踪精度明显提高。在此基础上,针对光照变化、姿态变化、遮挡情况等复杂场景目标跟踪的应用需求,研究了HSV颜色核函数直方图概率模型和SMBP纹理直方图概率模型的融合规则,提出了一种基于多特征融合的复杂场景粒子滤波目标跟踪算法。实验结果表明,该算法具有较好的目标跟踪精度和鲁棒性。(4)提出了一种复杂场景多特征融合粒子滤波多目标跟踪算法针对多目标场景下目标跟踪的应用需求,论文提出了一种自动感知和捕捉运动目标的自适应检测算法。该算法分别先用背景差分法和对称差分法对视频第二帧图像进行目标区域检测以获得灰度图像,再利用最大熵分割法分别确定检测后图像的阈值并做二值化处理,并对两幅二值化图像进行掩膜计算,得到一幅每个目标区域更加准确的二值化图像;再通过连通域标定算法确定每个目标区域中心位置,从而实现了对多目标的自动感知和捕捉。在此基础上,利用已提出的复杂场景多特征融合规则,提出了一种复杂场景多特征融合粒子滤波多目标跟踪算法。实验结果表明,该多目标跟踪算法,能有效自动检测复杂场景中活动目标出现的个数和准确位置,并具有极好的跟踪鲁棒性。