论文部分内容阅读
摘要:基于视频的多人跟踪是通过视频内容分析技术将视域场景内的多个目标在视频中进行连续的追踪,并对每一个目标保持唯一的身份标识。目标跟踪技术在智能视频分析领域中有着诸多的应用,例如智能视频监控系统,基于计算机视觉的人机交互等领域都需要研究目标跟踪技术。而目标跟踪技术作为高层视频语义分析过程中前端不可或缺的关键技术,近年来也越来越受到计算机视觉研究者的广泛关注。同时跟踪多个目标的主要挑战在于由于场景内多个目标的运动,会导致目标之间出现频繁而复杂的互相遮挡问题。这对正确跟踪目标提出了很大挑战。近年来,国际上出现了针对解决场景内多人跟踪的新思路——全局关联,有些学者也称其为基于小轨迹关联的跟踪技术。该思路主要包括三个部分:小轨迹构建,小轨迹的特征提取,以及小轨迹关联成最终跟踪结果。但是目前,基于小轨迹关联的跟踪方法还不是很成熟,该方法的三个主要部分均需要做深入的研究工作。所以针对目前基于小轨迹关联的多人跟踪的研究难点,本文的研究内容主要包括以下三个方面:1)基于粒子滤波的自适应小轨迹构建方法:在基于小轨迹关联的目标跟踪方法中,小轨迹的构建是整个跟踪算法的第一步。传统的小轨迹构建方法是连接相邻帧的检测结果使小轨迹进行可靠而有效的生长,其基本假设是同一目标在相邻帧之间的目标表观特征及目标大小没有明显的变化。但是在复杂场景中,由于场景的背景复杂,目标相对于摄像机所处姿态等问题,导致目前基于分类器的目标检测很难在每一帧当中都检测到该目标,从而使小轨迹在构建过程中不能得到充分而有效的生长。本文提出了基于粒子滤波的自适应小轨迹构建方法。在构建小轨迹的过程中,我们加入粒子滤波技术,结合目标检测结果,并根据粒子滤波所计算出的目标后验分布,自适应的决定小轨迹是否应该被终止。这样在一定程度上可以改善小轨迹的构建效果,从而为后续的目标特征提取,小轨迹关联打下基础。2)目标表观特征提取:目标表观特征提取是目标跟踪中的一个重要问题,一直贯穿于整个目标跟踪领域。本文中,我们提出了一种叫做时空表观模型的目标表观表示方法。该方法通过自适应聚类策略,对每一个小轨迹中的所有目标区域中的像素在时间和空间上进行聚类,从而形成若干个跨越若干帧的表观子区域分类。相对于以前的目标表观特征仅仅是对单一帧提取目标表观,没有考虑到目标表观在连续帧中的相关性而言,该方法所生成的表观模型不仅提供了目标表观在空间上的动态子区域信息,并且提供了目标表观的子区域在时间上的分布信息。3)小轨迹关联:为了将小轨迹进行有效的关联,形成最终的跟踪轨迹,我们提出了基于时空表观模型的自适应表观模型选择方法,并结合目标运动特征的模糊搜索范围进行小轨迹关联。基于时空表观模型的自适应表观模型选择方法是为了计算任意一对小轨迹之间的最小表观距离而做的自适应选择。如果最小表观距离不能达到全局最小,那么这两个小轨迹就不能被关联为最终的跟踪轨迹。基于运动特征的模糊搜索范围是利用目标运动预测信息辅助小轨迹关联,并通过模糊搜索范围在一定程度上解决由于目标小幅度非线性运动导致的运动特征计算不准确的问题。综上所述,本文将对基于小轨迹关联的多人跟踪方法进行研究,包括小轨迹构建方法,目标表观特征表示方法,小轨迹关联方法,从而使基于小轨迹关联的多人跟踪方法在跟踪性能上有所提高。