● 摘要
智能视频监控是采用计算机视觉的方法，对监视视频内容进行分析。其在军事、民用等领域都有广泛的应用。运动目标跟踪是智能视频监控中的重要内容，是后期行为分析的基础，因此对目标跟踪算法的研究具有重要的意义。在跟踪的过程中，目标的大小的变化，光照变化，遮挡等都有可能造成目标特征变化，而出现颜色相近的物体靠近目标时，可能使跟踪器混淆目标物与干扰物，这些问题都容易导致跟踪失败，是目标跟踪中的难点问题。 本文主要研究复杂背景下的目标跟踪，旨在提出一种鲁棒性强、准确性高的目标跟踪算法。本文从目标跟踪中的三个方面：目标特征建模、粒子滤波算法和遮挡跟踪算法进行了研究。主要工作和成果为：1. 提出了基于奇异值的目标特征建模方法。该方法采用图像的奇异值构建目标特征模型，充分描述了目标的特征信息。与传统的颜色直方图模型比较，该方法能够解决背景中与目标相似物的干扰以及场景光照变化问题。2. 研究了粒子滤波跟踪算法。针对惯序重采样粒子滤波中的粒子多样性缺失问题，将马尔可夫链蒙特卡罗(MCMC)算法引入粒子滤波中，提高了粒子集的性能和跟踪精度。3. 提出了基于目标图像分块的遮挡跟踪方法。该方法通过将目标分块，并比较各个子块与目标模板的相似度来判断是否有遮挡发生，并在遮挡发生后采用增大粒子数和粒子分布范围来保证继续跟踪并同时对模板进行更新。实验表明该方法能够解决目标短暂遮挡的问题。本文实现了视频图像的跟踪系统，并采用自采集视频和标准视频对以上三个方面作了测试验证，结果表明本文提出的跟踪算法可以很好地解决目标大小变化、背景相似物干扰、场景光照变化和跟踪遮挡等难点问题。