基于中层视觉特征和高层结构信息的互补目标跟踪模型

论文摘要

目标跟踪技术是计算机视觉领域的一个重要方向,并且在近十年有了长足的发展。该技术在民用和军事的各个领域都得到了广泛的运用,譬如人群检测,地铁安全监控,室内安全监测,人流估计,行人监测与估计等等,应用前景广泛,并受到了诸多关注。首先,本文对于以往的有关视觉目标跟踪领域的基本理论、经典算法以及该领域所关注的焦点问题和难点问题进行了分析、总结和概括,提出了和以往算法不同的新颖的视觉跟踪概念和方法,并且基于不同层面的视觉特征构建了一个更加鲁棒和合理的视觉目标跟踪系统框架。大量的实验结果证明,相对于以前的经典方法来说,本文所提出的算法更好的解决了当今视觉跟踪领域所面临的诸多难题。虽然人们提出了数量众多的成功的目标跟踪算法,让一个单一的跟踪算法同时解决目标的大的尺度变化、形状畸变以及严重的遮挡仍旧是一个十分有挑战的问题。此现象最主要的原因在于,这类方法缺乏一个十分有效的目标表达方式,来同时适应目标的诸多外貌变化。绝大部分跟踪算法都采用了基于高层视觉特征的外貌结构特征,或者基于底层特征信息来表达和匹配跟踪目标。本文首先在中层视觉信息感知的层面上,提出了一个全新的跟踪目标外貌模型,称作对象跟踪器。它有效的捕获了超像素(Superpixel)所携带的结构信息。由于我们基于超像素建立了一个判决性目标外貌模型,使得我们的跟踪算法能够有效的在中层视觉信息的基础上分辨目标和背景。此后,在这个跟踪目标外貌模型基础上,目标跟踪的任务就转化为计算一个目标/背景置信值图,然后通过最大后验概率(MAP)来寻找最佳的目标候选区域。而后,本文又设计了一个基于高层视觉特征结构(增量主成分分析)的区域跟踪器,并且采用了多状态粒子滤波将对象跟踪器和区域跟踪器结合成一个鲁棒的跟踪系统。区域跟踪器在解决跟踪目标的尺度变化和平面内旋转的难题上更加胜任,而对象跟踪器在解决跟踪目标的平面外旋转以及形状畸变的难题上十分出色。本文成功的讲这两个跟踪器结合在一起,使得我们的跟踪系统成为一个互补视觉跟踪模型。实验证明,这两个跟踪器,在跟踪系统经历不同的难题和挑战时能够互相监督,因此使得整个跟踪系统能够同时抵抗目标的尺度变化、形状畸变、平面内旋转以及平面外旋转。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 论文研究背景及研究意义
• 1.2 国内外研究现状
• 1.3 目标跟踪技术简介
• 1.4 目标跟踪的技术难点
• 1.5 本文主要工作与结构
• 1.5.1 本文主要工作、创新点和贡献
• 1.5.2 论文结构
• 2 多状态粒子滤波的理论框架与视觉跟踪
• 2.1 贝叶斯滤波原理与目标跟踪
• 2.2 经典粒子滤波算法
• 2.2.1 贝叶斯重要性采样（BIS）
• 2.2.2 序列重要性采样（SIS）
• 2.2.3 退化现象和重采样原理
• 2.3 多尺度粒子滤波与多状态粒子滤波
• 2.3.1 多尺度粒子滤波与序列置信传播
• 2.3.2 多状态粒子滤波与序列置信传播
• 2.4 多状态粒子滤波与互补视觉跟踪
• 2.4.1 互补视觉跟踪的多状态粒子滤波框架
• 2.5 本章小结
• 3 基于中层视觉特征的对象跟踪器
• 3.1 基于超像素的判决性外貌模型
• 3.1.1 判决性外貌模型的先验知识
• 3.1.2 建立基于超像素的判决性外貌模型
• 3.2 置信图和观测模型
• 3.2.1 获得置信图（Confidence Map）
• 3.2.2 对象跟踪器观测模型
• 4 基于高层结构信息的对象跟踪器、潜函数和更新
• 4.1 标准增量子空间学习跟踪方法
• 4.2 基于多通道的区域跟踪器
• 4.3 潜函数
• 4.4 更新过程
• 5 实验结果
• 5.1 参数设置与实施细节
• 5.2 对象跟踪器的性能评估
• 5.2.1 性质评估
• 5.2.2 对象跟踪器的量化评估
• 5.3 补视觉跟踪实验结果
• 5.3.1 区域跟踪器、对象跟踪器和互补视觉跟踪
• 5.3.2 互补视觉跟踪与其他方法的实验对比
• 6 总结与展望
• 6.1 本文工作总结
• 6.2 工作展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢