导　　师： 刘伟铭

学科专业： H1103

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 视频目标跟踪是计算机视觉的核心技术之一，是基于视频场景分析、行为理解和描述等诸多后续处理的基础。视频目标跟踪技术在智能视频监控、交通、人机交互、机器人视觉导航、虚拟现实、医学图像和国防等各方面都有着广泛的应用。视觉目标跟踪的研究目的是模拟人类视觉运动感知功能，赋予机器辨识视频序列图像中运动目标的能力，为视频分析和目标行为理解提供重要的数据依据。由于背景环境的复杂性、不同的光照条件、目标复杂的形状和运动方式、目标之间的相互遮挡和干扰等原因，视频目标跟踪目前仍然是计算机视觉应用中最困难的任务之一。
　　 本论文研究了视频目标跟踪的几个关键问题，包括目标与背景、阴影的准确分割；更快的跟踪速度；更准确的跟踪定位；目标的行为理解及描述。具体说明如下：
　　 1．文中对视频目标检测中的阴影检测问题进行了分析，提出了一种基于GABOR小波和颜色模型的阴影检测算法。首先，建立背景的混合高斯分布模型和阴影参数模型，通过差分法提取前景区域并结合GABOR小波纹理特征分析找出潜在的阴影点；然后通过阴影颜色模型对这些潜在的阴影点进行颜色分析；最后通过后续处理，找出真正的阴影区域。
　　 2．对视频目标跟踪中常用的粒子滤波跟踪算法进行了改进。通过对采样粒子的均值漂移调整，使采样粒子集中于其邻近的局部极大值区域，加快了粒子收敛的速度；通过图像的积分直方图表达方式，将原算法中需要对每个粒子进行的极其耗时的直方图统计操作，转换为粒子所在矩形区域的四个顶点的积分直方图的加减运算，这大大提高了运算速度。
　　 3．提出一种改进的连续自适应均值漂移算法，避免了原算法跟踪目标限定于人脸的缺点，使算法可以对其他目标进行有效跟踪。在算法中，使用HSV三维直方图来代替原算法中的单独的H直方图，并提出了H、S、V直方图各自的级数的灵活的分配方法。在算法中，还加入了对直方图反向投影操作产生的概率分布图像的分析和处理，以减少背景中相同颜色的干扰。同时，通过对目标位置的预测和调整，使用了原算法中没有利用的过往运动信息，提高了跟踪的准确程度。
　　 4．对视频目标跟踪中的多线索融合问题进行了研究，提出了一种基于中心直方图和周边直方图对比的多线索概率分布图像融合的视频目标跟踪算法。文中采用颜色、运动历史、视觉显著性等多种概率分布图像来描述目标的观测信息，通过目标在前一帧的位置确定中心区域和周边区域，并计算不同概率分布图像基于这两个区域的直方图，即中心直方图和周边直方图。每个概率分布图像的置信度由其中心直方图和周边直方图的差异度来描述。根据不同线索的置信度，在线调节当前帧各种概率分布图像在目标位置判断中所占的权重，实现对目标的多线索融合跟踪。
　　 5．对视频图像序列的多目标跟踪及其行为理解与描述问题进行了初步研究。首先建立目标的运动模型，并获取前景团块。接着分析前景团块与预测的目标的相似度，建立前景团块与目标之间的关联矩阵，并产生目标-团块匹配链表和团块-目标匹配链表。根据这两个链表，确定前景团块与目标的对应关系，实现了对视频多目标的跟踪。通过确定标记区域，限制目标异常行为的作用范围，并提供适当的行为指引。用团块和前景目标集合定义了多种目标行为，实现了对目标行为的识别。通过识别的目标行为的先后次序，实现了用自然语言对场景的描述。

关 键 词： 视频目标跟踪 阴影检测 行为识别 粒子滤波 均值漂移算法 高斯分布模型

分 类 号： [TP391.41 TP301.6]

领　　域： [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术]