论文总字数：35878字

摘 要

视觉目标跟踪技术作为计算机视觉中的一个重要组成部分，是智能视频监控的基础，直接影响智能视频监控系统的性能。为了实现稳定的目标跟踪，本文深入研究目标跟踪算法，结合应用场景，提出了融合局部特征与全局描述的目标跟踪算法。本文主要完成了以下工作：

首先，对基于动态局部特征点集的目标跟踪算法展开了深入的研究。采用局部特征匹配与稳健估计的方法对目标进行跟踪。同时，采用动态点集的方式对目标的参考特征进行维护与更新。实验结果表明，基于局部特征的跟踪方法跟踪精度高，对局部遮挡具有较强的耐受力，但是特征提取本身对目标像素质量具有一定要求，而且对目标快速的姿态变化、形变及复杂运动等较敏感。

然后，本文又拓展研究了基于全局描述的目标跟踪算法。特征选用具有统计特性的彩色直方图，框架采用具有计算优越性的mean-shift方法。针对背景与目标存在相似色彩分布情况下，基于巴氏指标的mean-shift容易产生跟踪偏移的问题，引入后验概率的相似性度量，提高了跟踪精度。但在实验中发现，在没有遮挡判断与预测处理的情况下，基于全局描述的跟踪方法对遮挡和相似物体的出现较敏感。

最后，本文从上述研究中挖掘到这两种基本跟踪方法的互补优势，提出了一个新颖的视觉目标跟踪方法，即融合这两种互补的目标跟踪器，一个是基于动态局部特征点集的跟踪器，另一个是基于目标全局描述的跟踪器。并且，给出了量化的融合策略与模板更新策略。融合跟踪器通过在不同场景下，灵活、自动地切换目标的表示方法和跟踪方法，明显拓宽了目标跟踪算法的应用范围，改善了跟踪系统的鲁棒性和准确性。

将本文提出的融合跟踪算法在公开数据集上进行实验测试，结果表明本文提出的方法具有良好的准确性和鲁棒性。

关键词：视频分析，目标跟踪，局部特征，全局描述，运动估计，mean-shift

A Combined Visual Tracker based on Global

Appearances and Local Features

Abstract

Visual tracking is a vital task of computer vision, and becoming the basis of smart video surveillance. In order to achieve stable tracking performance, the paper deeply researched visual tracking algorithm. A combined tracker which integrates local features and global appearance is proposed considering of application scene. For this, this paper completed the following work:

First, we deeply researched the local feature-based tracking algorithm. This paper applys feature matching and robust estimation to track object precisely. Meanwhile, the update of target features is maintained by a dynamic set method. The experiments indicate that the local feature-based tracking method could obtain highly accurate performance and is robust to partial occlusion and analogue interference. However, extracting enough quantity of features requires high resolution in a certain degree. Furthermore, this method is sensitive to structural changes, deformation and fast motion of objects.

Then, we executed further research on global appearance-based tracking methods. The conventional Bhattacharyya coefficient-based mean-shift algorithm would occur tracking drift when the background and target share similar color distribution. The paper adopted Posterior Probability Measure to decrease the interference of background pixels enclosed in object model and effectively enhance the tracking accuracy someshow. But the global appearance-based tracking method is sensitive to occlusion and analogue interference without occlusion judging and prediction.

Finally, we excavated the advantages of these two basic tracking algorithms and propose a novel tracking method which combines the two complementary trackers together. The combination strategy improves the tracking performance dramatically by changing the representation of the tracked object flexibly.

Experimental results on the benchmark dataset demonstrate robustness and accuracy of the tracker.

KEYWORDS: Video Analysis, Visual Tracking, Local Features, Global Appearance, Motion Estimation, Mean-shif

目录

摘要 I

Abstract II

第1章 绪论 5

1.1 研究背景及意义 5

1.2 研究现状 6

1.3 技术难点 7

1.4 论文组织结构 8

第2章 基于局部特征的目标跟踪 10

2.1 基本原理 10

2.2 特征选择与提取 10

2.2.1 SURF特征 11

2.3 特征匹配 14

2.3.1 全局搜索 14

2.3.2 K-D树最近邻搜索 15

2.4 稳健估计 16

2.5 动态特征点集 19

2.6 实验结果与分析 20

2.6.1 实验设计 20

2.6.2 实验结果 21

2.6.3 实验分析 24

2.7 本章小结 25

第3章 基于全局描述特征的目标跟踪 26

3.1 基本原理 26

3.2 全局特征 26

3.3 全局特征匹配 27

3.3.1 基本原理 27

3.3.2 后验概率指标 28

3.3.3 基于后验概率的目标跟踪 29

3.4 实验结果与分析 30

3.4.1 实验设计 30

3.4.2 实验结果 31

3.4.3 实验分析 33

3.5 本章小结 33

第4章 融合跟踪器 34

4.1基本跟踪算法分析 34

4.1.2 局部特征方法 34

4.1.3 全局描述方法 35

4.2 融合策略 35

4.3 更新策略 36

4.4 实验结果与分析 37

4.4.1 实验设计 37

4.4.2 实验结果 37

4.4.3 实验分析 39

4.5 本章小结 40

第5章 总结与展望 41

5.1 总结 41

5.2 展望 41

参考文献 43

致谢 45

作者在毕业设计期间投稿的论文 46

绪论

研究背景及意义

视觉目标跟踪作为计算机视觉领域的一个重要组成部分，近年来受到了各国研究人员的重视与青睐。这其中有三个重要原因：第一，计算机技术、数字成像技术和网络技术等的迅猛发展，使得处理视频所需要的存储、传输和运算需求得以满足；第二，保存视频的代价不断下降，视频信息更容易保留，后期研究比较方便；第三，广阔的应用前景，军事、民事都希望这一技术能为自己领域的发展带来革新。目标跟踪的主要目的，是找出同一目标在图像序列中的对应关系，得到其在每帧图像中的位置、尺度大小和速度等信息，为进行更复杂的分析和处理奠定基础。目标跟踪技术在多个不同的领域，从军用到民用，都得到较为普遍的应用：

(1) 军事应用。军事领域的巨大应用前景极大地促进了运动目标跟踪技术的发展。导弹的精确打击，飞行器航线的拟定以及障碍规避等^[1-3]都离不开目标跟踪技术，无人机的导航技术通过分析目标跟踪得到的信息和自身速度，实现自主飞行^[4-6]。

剩余内容已隐藏，请支付后下载全文，论文总字数：35878字