《基於自適應特徵的複雜背景下目標檢測與跟蹤方法研究》是依託中國科學院大學，由黃慶明擔任項目負責人的面上項目。
基本介紹
- 中文名：基於自適應特徵的複雜背景下目標檢測與跟蹤方法研究
- 項目類別：面上項目
- 項目負責人：黃慶明
- 依託單位：中國科學院大學
- 負責人職稱：教授
- 批准號：60773136
- 申請代碼：申請代碼
- 研究期限：2008-01-01 至 2010-12-31
- 支持經費：24萬元
項目摘要
基於自適應特徵的複雜背景下目標檢測與跟蹤方法研究，是針對目前經典動態目標跟蹤算法在複雜背景套用中所存在的跟蹤失效問題，提出的一種基於貝葉斯錯誤率的自適應特徵選擇方法，用以構造具有有效目標和背景區分能力的特徵集合，繼而套用貝葉斯分類方法生成視頻圖像的權重圖像，將其與經典跟蹤算法（如均值漂移和粒子濾波）相融合，解決跟蹤過程中動態表觀建模問題，從而實現對動態目標的有效跟蹤。同時，對視覺跟蹤套用中的初始化問題，即動態目標檢測，開展新型的多層複雜背景建模及線上更新算法研究，以及自適應的前景區域合併方法研究，從而獲得完整而精確的運動物體，為跟蹤器提供魯棒的初始化參數。通過本項目的研究，將提出一種新的基於貝葉斯決策理論與經典確定性/隨機跟蹤理論相結合的動態目標檢測與跟蹤方法。其研究成果可以有效解決複雜背景套用下的動態目標跟蹤問題，實現剛體/非剛體動態目標在多變的惡劣自然環境下的檢測與跟蹤。
