基于超像素的目标跟踪算法研究

扫码查看

原文链接

NETL

中文摘要：随着视频监控系统的迅速普及，计算机视觉正逐渐为大众所熟知，特别是计算机视觉领域的运动目标跟踪过技术，近年来受到越来越多的重视，已逐步应用于安防监控、人机交互、无人驾驶汽车导航等领域。传统的视觉目标跟踪算法跟踪准确性较差，稳定性较低，无法应对越来越复杂多变的跟踪目标变化，而基于超像素的目标跟踪算法在跟踪目标外观发生形变、遮挡等多种变化时，稳定地实现目标跟踪。本文基于超像素的目标跟踪算法进行了深入研宄，基于当今的超像素分割算法、特征空间聚类和贝叶斯跟踪框架，提出了较为稳定并且能够应对部分目标外观变化的跟踪方法。本文的主要内容有： 1.提出一种带有各向异性滤波和亮度分量约束的超像素分割算法。本文在目前经典的简单线性迭代聚类算法的基础上，引入了各向异性滤波和亮度分量约束。各向异性滤波可以使得图像语义边界更加尖锐，而语义区域更加平滑，使得在超像素生成过程中可以更好地贴合目标的语义边界，提高其准确性。亮度分量滤波可以使得，超像素生成过程中聚类中心的误差不扩散。 2.提出了一种行星型的超像素特征池表观模型。本文在传统的超像素特征特征池模型的基础上，将其部件化，形成根部件和叶部件，并且定义了部件之间的概率关系，形成了一种行星型的超像素特征池表观模型。本文所提表观模型，可以用于应对目标发生形变、遮挡等多种目标外观变化和解构的情况，可以提高跟踪结果的正确性和稳定性。 3.在贝叶斯框架的基础上，提出了与行星型模型相适应的跟踪方法。将贝叶斯跟踪框架在该表观模型下特例化，用置信度来刻画动态模型与观测模型的概率分布，并且采用粒子滤波器作为搜索方法，通过搜索叶部件来推定跟踪目标的状态，再辅以对应的在线更新策略，从而实现对目标状态的推定估计。

作者：

高宇腾

展开 >

关键词：

视频监控系统超像素分割表观模型目标跟踪贝叶斯估计

授予学位：

硕士

学科专业：

通信与信息系统

导师：

刘洪盛

学位年度：

2016

学位授予单位：

电子科技大学

语种：

中文

中图分类号：