论文部分内容阅读
在计算机视觉领域,目标跟踪技术是被重点研究的课题之一,其广泛应用于智能监控、人机交互、机器人、无人机等视觉跟踪控制领域。由于应用场景的多样性,跟踪技术面临着多种挑战,例如遮挡、重叠、快速移动、光照变化、物体干扰等复杂环境下会出现漂移、丢失等现象。而现有的大部分跟踪算法在复杂环境下的适应性还没有达到成熟的阶段,如何使目标达到实时精准的跟踪是研究人员一直以来研究的重点内容。因此,为解决上述问题,从视频图像预处理、行人目标特征提取以及行人目标连续跟踪三个方面进行深入研究,解决目标在复杂环境下跟踪丢失后难以找回的问题,主要内容如下:(1)图像预处理:在检测目标过程中由于光线变化、图像雾化等问题导致画面不清晰,从而致使目标识别度降低。因此,通过在RGB和YUV颜色空间下对直方图均衡(Histogram Equalization,HE)、局部自适应直方图均衡(Adaptive Histogram Equalization,AHE)和限制对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)的光照处理进行对比分析,设计基于YUV颜色空间Y分量的CLAHE算法的图像均衡化预处理方法,提升图像质量,解决图像光照不均的问题。(2)行人目标特征提取:特征提取是目标检测识别的关键一环。因此通过双分支深度卷积神经网络模型训练与调优,建立2D人体骨架检测模型,实现行人各种姿态、部分遮挡下的行人骨架检测,并提出基于人体几何拓扑约束的结构化特征提取方法,通过利用骨架关节点位置坐标信息截取人体衣着各部位区域结构化特征,实现了人体结构化特征的准确提取。(3)行人目标连续跟踪:当目标遮挡、重叠或者发生视角变化时,会造成目标识别度降低导致目标出现漂移、丢失等现象。因此,提出基于改进的核相关滤波(Kernelized Correlation Filter,KCF)和结构化特征融合的行人目标连续跟踪算法,通过KCF响应函数峰值来判断目标是否因遮挡、重叠、视角变化而导致目标丢失,并融合结构化特征匹配,建立模板自主更新的目标识别与重定位策略,实现目标行人的稳定持续跟踪,解决传统跟踪算法在遮挡、多人重叠等复杂情况下易丢失且难以自动找回的问题。在光线较暗且空间较大的室内场景下进行跟踪实验,结果表明,所提出的目标跟踪方法能够满足目标丢失后的快速找回,达到实时跟踪的目的。