分層視覺模型及表觀複雜變化的視覺目標跟蹤方法研究

《分層視覺模型及表觀複雜變化的視覺目標跟蹤方法研究》是依託東北師範大學，由王玉茹擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：分層視覺模型及表觀複雜變化的視覺目標跟蹤方法研究
• 項目類別：青年科學基金項目
• 項目負責人：王玉茹
• 依託單位：東北師範大學

項目摘要

基於視頻圖像序列的目標跟蹤是計算機視覺的熱點問題，然而目前大多數的套用條件局限於目標外觀的簡單變化，這使得許多實際套用受到限制。本申請針對複雜場景下，目標存在複雜結構和外觀變化這一制約跟蹤技術付諸更廣泛套用的難題，研究魯棒的分層視覺模型和高效精確的基於分區域採樣的跟蹤算法。首先，將目標整體表示為多個子塊的集合，構建聯合局部視覺特徵、鄰域結構特徵和全局視覺特徵的自適應分層視覺模型，以對目標複雜的表觀進行魯棒建模；其次，對目標的狀態空間建立分區域採樣機率模型，最佳化粒子濾波器的粒子採樣過程，從而處理具有複雜結構變化的目標局部子塊突變和平滑運動共存的問題，並達到高效精確的跟蹤；最後，在視頻序列上獲取目標運動完整的時空軌跡。本研究成果適用於具有各種複雜場景和目標外觀的視頻跟蹤問題，將為更高層次的視頻分析和理解提供有效的信息和決策支持，對於推動視頻運動分析的發展和實用化具有重要的理論意義和實用價值。

結題摘要

基於視頻圖像序列的目標跟蹤是計算機視覺的熱點問題，尤其是對非剛體運動的分析在理論和實際套用中都有著非常重要的意義。但是目前大多數的套用條件局限於目標外觀的簡單變化，這使得許多實際套用受到限制。本課題針對複雜場景下，目標存在複雜結構和外觀變化這一制約跟蹤技術付諸更廣泛套用的難題，研究魯棒的分層視覺模型和相應的目標跟蹤定位算法，獲取目標完整的時空軌跡。課題的工作主要從如下兩方面開展：首先，將目標表示為多子塊集合，構建結合局部視覺特徵、鄰域結構特徵和全局視覺特徵的分層視覺模型。其中，對區塊的劃分採用了手動劃分和自動劃分兩種方式，並構建了相應的分層模型。對於局部和全局視覺特徵的選取，課題對基於進化算法的最佳化方法進行研究，構建最佳化模型，達到對特定視頻自適應選取特徵的目的。其次，對上述建立的視覺模型，在貝葉斯機率框架和集成跟蹤框架下進行跟蹤算法的設計。具體而言，在粒子濾波器框架下，建立分區域採樣機率模型，最佳化粒子採樣過程，處理目標局部突變運動，達到高效精確的跟蹤。在集成跟蹤框架下，通過對分類器設計和集成更新方法的研究，實現穩定魯棒的跟蹤。本課題的研究建立一個魯棒的視覺跟蹤系統。該系統PAMI 2015 Benchmark數據集的各種複雜情況的視頻下進行了測試，並與當前領域較優的算法採用ACLE，AOR以及成功率進行了量化對比，驗證了課題研究成果對複雜場景下極具外觀變化的目標進行跟蹤定位的有效性和準確性。課題所構建的基於分層視覺模型的跟蹤系統對於視頻序列感興趣目標的魯棒穩定跟蹤，能夠為更高層次的視頻分析和理解提供信息和決策支持。課題按照任務計畫書執行，達到了預期的研究目標，取得了預期的研究成果。發表學術專著1部，發表學術論文6篇，另已接收1篇，獲獎1項，協助培養博士生2人，碩士生6人。