《目標運動突變和幾何外觀急劇變化的視覺跟蹤》是依託北京理工大學，由陸耀擔任項目負責人的面上項目。
基本介紹
- 中文名：目標運動突變和幾何外觀急劇變化的視覺跟蹤
- 依託單位：北京理工大學
- 項目負責人：陸耀
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
視覺跟蹤是計算機視覺研究領域中的一個重要問題。運動和幾何外觀急劇變化情況下的目標跟蹤是視覺跟蹤的難點，基於連續運動條件假設的傳統視覺跟蹤算法在解決這一問題時有很大的局限性。.本項目提出了在目標運動和幾何外觀劇急劇變化情況下的視覺跟蹤算法研究，包括：1、在貝葉斯濾波框架下，針對目標運動的不連續性進行統計建模， 設計有效的模型更新方法，從而對目標的空間區域按照不同的置信度進行有效的分類；2、針對目標的幾何外觀急劇變化進行自適應建模，既保留目標的空間結構信息又能體現其外觀的幾何變化，實現在複雜條件下的自適應目標跟蹤；3、研究序貫馬氏鏈蒙特卡洛(adaptive MCMC)跟蹤算法，解決陷入局部最優狀態的採樣問題，實現對目標運動和幾何外觀急劇變化的濾波分布的自適應採樣。最後，基於公用測試數據集對跟蹤算法的性能和採樣算法的穩定性進行測試，並進行算法的計算複雜度和收斂性質的理論分析。
結題摘要
1、項目背景：視覺跟蹤是計算機視覺領域中的一個重要問題。傳統的視覺跟蹤技術一般都基於目標運動和幾何外觀變化的連續性假設，無法有效地解決複雜情況下的目標跟蹤。在實際套用的複雜場景中，視覺跟蹤可能涉及到：目標運動的極大不確定性；低幀率視頻目標跟蹤；多視角多攝像機場景中的目標跟蹤；幾何外觀急劇變化的非剛性目標跟蹤等。傳統的跟蹤算法難以滿足這些實際需求，需要探索新的跟蹤理論和方法。因此，本項目提出的研究內容具有重要的學術和套用價值。 2、主要研究內容：研究在貝葉斯濾波跟蹤框架下的目標運動的不連續性統計建模；研究在目標幾何外觀急劇變化情況下的自適應外觀模型，設計一種更具有通用性的目標拓撲結構模型；研究高效的蒙特卡洛採樣方法，設計一種對複雜多模分布進行採樣的自適應馬氏鏈蒙特卡洛(Adaptive MCMC)算法；基於公共數據集，測試和評估跟蹤算法在不同條件下的各項性能指標。 3、重要結果：提出了基於近鄰場隨機逼近的採樣方法提高了運動跟蹤的效率；提出了一種用於前景檢測的背景基選擇方法，提高了複雜背景下的前景檢測率；提出了一種局域約束協同模型使視覺跟蹤更加魯棒；提出了一種利用全局線索的視頻對象姿態估計方法；提出了一種視頻對象分割聚集方法。申請發明專利5項，獲批1項，其他幾項在審理中。在國內外重要學術期刊和國際會議上發表38篇，其中，SCI檢索的重要國際期刊8篇,EI檢索30篇。培養相關領域的博士5名，碩士生16名。 4、關鍵數據及其科學意義：公共數據集的測試中，在目標跟蹤的準確率達到100%的前提下，跟蹤的效率達到30幀/秒，中心誤差17%，遠小於當前最好的方法的45%，對於將所提出的的方法用於實時目標跟蹤具有重要的套用價值。姿態的估計的定位誤差為0.61遠小於最好方法的1.9，有利於提高人體動作的識別率。
