《跟蹤器融合的視覺跟蹤方法研究》是依託首都師範大學，由丁輝擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：跟蹤器融合的視覺跟蹤方法研究
- 項目類別：青年科學基金項目
- 項目負責人：丁輝
- 依託單位：首都師範大學
項目摘要,結題摘要,
項目摘要
視覺跟蹤是計算機視覺領域的一項重要研究課題，當前的視覺跟蹤方法在處理目標運動和目標外觀的複雜變化時還存在諸多困難。本課題面向複雜環境下的視覺跟蹤問題，從跟蹤器融合的角度研究一種新的視覺跟蹤方法，包括：1）研究建立一個評價跟蹤器集的度量準則，並提出一種構建跟蹤器集的線上方法，使得跟蹤器集能夠自適應地描述跟蹤環境的複雜變化；2）研究一種並行隨機逼近蒙特卡洛採樣算法對複雜環境下的多模濾波分布進行高效地採樣，進而構建多條並行互動馬氏鏈實現自適應的跟蹤器融合，使得跟蹤系統能夠持續地適應跟蹤環境的複雜變化，從而提高跟蹤系統的魯棒性和準確性；3）設計和實現一個跟蹤系統原型，並驗證和評估跟蹤方法的有效性。
結題摘要
視覺跟蹤是計算機視覺領域的一項重要研究課題，當前的視覺跟蹤方法在處理目標運動和目標外觀的複雜變化時還存在諸多困難。本課題面向複雜環境下的視覺跟蹤問題，從跟蹤器融合的角度研究一種新的視覺跟蹤方法。研究內容主要包括運動目標的有效外觀建模、跟蹤器的最佳化和評價度量準則、複雜環境下自適應跟蹤器融合方法等。目前提出了一種結合目標多特徵描述的信息融合自適應粒子濾波跟蹤算法，根據不同特徵信息在跟蹤中描述及辨別目標能力的強弱，從而對特徵分配不同的融合係數，經過多種不同跟蹤環境下的測試，都有效地保證了跟蹤的魯棒性及準確性。針對目標外觀變化以及環境光照等會導致傳統跟蹤算法失效的問題，提出一種基於外觀團塊模型和粒子濾波相結合的目標跟蹤算法，該方法能解決目標發生尺度變化和存在遮擋時跟蹤性能變差的問題。同時，基於稀疏表示提出一種改進的視覺目標匹配跟蹤方法，該方法對已選定的目標提取特徵集合建立過完備基，通過LASSO算法計算稀疏係數，再利用稀疏度計算方法求得各區域的相似程度值，根據各匹配值求取目標位置並進行目標模板的更新；通過多組通用測試視頻和實際場景的監控視頻進行實驗驗證，該算法能夠穩健、高效地跟蹤運動目標，運行速度較快，可以完成在複雜多變環境下的跟蹤任務。對於突變目標提出一種結合H∞濾波的改進互動多特徵模型方法（DIMMH），該方法將圖像特徵加入到 IMM 算法中，同時考慮目標的運動特徵和圖像特徵，利用對角係數矩陣進行加權，並採用H∞濾波器進行濾波，從而獲得更好的跟蹤效果。在貝葉斯估計理論的框架，通過狀態估計可以得到系統狀態估計的最優解，結合跟蹤目標的外觀模型，提出一種改進貝葉斯線上視覺跟蹤方法，該方法對光照變化，部分遮擋等情況具有一定的魯棒能力，且執行速度較快。
