论文部分内容阅读
随着信息采集、存储、传输、处理和显示等技术的飞速发展,视频信息处理和分析也成为从视频中获取有用信息的重要手段。视觉目标跟踪与识别既是计算机视觉等领域的重要研究课题,也是视频监控和人机交互中的关键技术。 尽管目标跟踪和识别技术经过几十年的研究有了很大的进展,但挑战依然存在。在实际应用中,尤其是在复杂情况下,如目标自身的运动、姿态及外界环境如光照、干扰、遮挡等各种变化,现有的目标跟踪和识别技术仍不能满足实际应用的要求。因此,研究适合特定目标和适应各种复杂情况的目标跟踪与识别的理论和方法仍然具有重要的学术意义和应用价值。 本论文主要研究目标自身和外界环境的复杂变化下的跟踪和识别问题。在目标跟踪方面,主要以人脸、车辆和行人等作为跟踪对象,利用子空间、特征点和协方差特征等目标表示的方法,对机动目标跟踪、在线模型学习、多姿态跟踪、人脸器官联合跟踪以及提高复杂情况下目标跟踪的鲁棒性进行了较深入的研究。在目标识别方面,研究了在光照和姿态等复杂变化情况下基于视频的人脸识别和动态纹理识别。 本论文的主要研究工作及创新点包括: 基于目标外观子空间表示的跟踪方面, 提出了一种结合特征点和子空间表示的机动目标跟踪方法。通过匹配相邻两帧间的SURF特征点建立自适应运动模型,并利用自适应粒子滤波跟踪目标。该方法提高了跟踪效率以及跟踪快速运动目标的性能。 提出了一种基于Grassmann流形的在线子空间更新方法。利用子空间序列在时间上的关联,在Grassmann流形的切空间上应用Kalman滤波,并利用流形上的测地线与切向量的关系更新子空间。该方法能得到较稳定的子空间表示,在复杂情况下能实现更稳定的目标跟踪。 提出了一种基于切换多线性子空间模型及Rao-Blackwellized粒子滤波的多姿态人脸跟踪方法。对于每一个姿态的人脸用一个线性子空间表示,并用一个Markov模型实现多个子空间模型的切换。该方法能有效跟踪多姿态人脸,并且可以在跟踪的同时估计人脸的姿态。 提出了一种脸部器官(眼睛、鼻子、嘴)联合跟踪方法。利用MRF表示人脸器官之间的相互关系,并结合粒子滤波和信度传播实现跟踪模型在时间和空间上的推理,从而实现人脸器官联合跟踪。在眨眼和说话时眼睛和嘴部出现明显变化的情况下,联合跟踪具有比独立跟踪脸部器官更好的性能。 提出了用加权多模态协方差表示目标的跟踪方法。通过核加权使接近目标区域中心的特征点具有更大的权重,并结合多个子区域的加权协方差表示目标,利用粒子滤波实现跟踪。该方法在目标受干扰和部分遮挡情况下具有鲁棒性。 提出了利用核子空间距离和核Grassman鉴别分析的人脸识别技术。在两个包含光照和姿态变化的人脸库上的实验表明核Grassmann鉴别分析具有更好的识别性能。同时,利用约束子空间提高了基于线性动态系统表示的动态纹理的识别性能。