多目的跟踪方法研究综述.docx
《多目的跟踪方法研究综述.docx》由会员分享,可在线阅读,更多相关《多目的跟踪方法研究综述.docx(19页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、多目的跟踪方法研究综述经过近多年的深化研究和发展,多目的跟踪技术在很多方面都有着广泛应用和发展前景,如军事视觉制导、机器人视觉导航、交通管制、医疗诊断等。目前,固然基于视频的多运动目的跟踪技术已获得了很大的成就,但由于视频中图像的变化和物体运动的复杂性,使得对多运动目的的检测与跟踪变得异常困难,如多目的在运动经过中互遮挡、监控场景的复杂性等问题,解决上述难题一直是该领域所面临的一个宏大挑战,因而,对视频中多目的跟踪技术研究仍然是近年来一个热门的研究课题。、多目的跟踪的一般步骤基于视频的多目的跟踪技术融合了图像处理、形式识别、人工智能、自动控制以及计算机视觉等诸多领域中的先进技术和核心思想。不同
2、的多目的跟踪方法其实现步骤有一定的差异,但多目的跟踪的主要流程是一样的,如图所示,其主要包括图像预处理、运动目的检测、多目的标记与分离、多目的跟踪四个步骤。图多目的跟踪基本流程图、多目的跟踪方法多目的跟踪方法能够根据处理图像或视频获取视点的多少分为两大类,一类是单视点的多目的跟踪,另一类就是多视点的多目的跟踪。单视点的方法单视点方法是针对单一相机获取的图像进行多目的的检测和跟踪。该方法好处在于简单且易于开发,但由于有限的视觉信息的获取,很难处理几个目的被遮挡的情况。块跟踪是一种流行的低成本的跟踪方法。这种方法需要首先在每一帧中提取块,然后逐帧寻找相关联的块,进而实现跟踪。例如系统就是一个基于已
3、知的背景模型和被跟踪的人的外表模型计算出块的似然性的多块跟踪器。这种方法最大的缺乏之处在于:当由于类似性或者遮挡,多个目的合并在一起时,跟踪将导致失败。因而,能够取而代之的方法是通过位置、外观和形状保留明晰目的的状态。文献利用组合椭圆模拟人的形状,用颜色直方图模拟不同人的外观,用一个加强高斯分布模拟背景以便分割目的,一旦场景中发现对应于运动头部的像素,一个方法就被用于获取多个人的轮廓的最大后验概率,在单相机的多人跟踪应用中获得了非常有意义的结果。等人提出了一种将算法和粒子滤波相结合的方法。该方法由于充分利用了两种方法的优点,相比于单独使用这两种方法本身,大大降低了跟踪失败的情形,同时也解决了在
4、同一框架下检测和一致跟踪的问题。等人提出了一个用于在人群中检测单个行人的特征点轨迹聚类的概率框架。这个框架有一个基本假设是一起运动的点对可能是同一个个体的一部分,并且把它用于检测和最终的跟踪。对于完全和部分遮挡目的以及外观变化,这些方法和另外一些类似的方法都有很大的局限性。为了解决遮挡问题,一系列单视点跟踪技术应运而生。典型的方法是利用块合并来检测遮挡的发生。当被跟踪的点消失,跟踪特征点的方法就简单的将其作为一个被遮挡特征点。近年来,基于目的轮廓和外观的跟踪技术利用隐含的目的到相机的深度变化来表示和估计目的间的遮挡关系。但大多数方法都只能解决部分遮挡,不能解决完全被遮挡的情况。另外,小的一致运
5、动被假设为是能够从遮挡视点中能够预测运动形式的,这些给没有预测运动的较长时间的遮挡的处理带来问题。尽管这些单视点的方法有较长的研究历史,但这些方法由于不能明锐的观察目的的隐藏部分,因而不能很好地解决有或个目的的遮挡问题。多视点的方法随着复杂环境中对检测和跟踪多个被遮挡的人和计算他们的准确位置的需要,多视点的方法成为研究的热门。多视点跟踪技术的目的就是利用不同视点的冗余信息,减少被遮挡的区域,并提供目的和场景的信息。尽管通过相机不能很好地解决目的跟踪问题,但却提出了一些很好的想法,如选择最佳视点,但这些方法都以实际环境模型和相机校正为特征。年代后半期,在很多文献中给出了多视点相关的多目的跟踪方法
6、。比方利用一个或多个相机与观察区域相连的状态变化映射,同时给出一系列的行为规则去整合不同相机间的信息。利用颜色在多个视点中进行多目的的跟踪的方法,该方法模拟了从基于颜色直方图技术的背景提取中获得的连接块并应用其去匹配和跟踪目的。除此之外,也有在原来的单视点跟踪系统进行扩展的多视点跟踪方法。该方法主要是通过一个预测,当预测当前的相机不在有一个好的视点时,跟踪就从原来凯斯的那个单相机视点的跟踪转换到另外一个相机,进而实现多视点的跟踪。基于点与它对应的极线的欧氏距离的空间匹配方法、贝叶斯网络和立体相对合并的方法都是多目的多视点跟踪的常见方法。尽管这些方法都试图去解决遮挡问题,但由于遮挡的存在,基于特
7、征的方法都不能根本解决,其次,这些方法中的遮挡关系的推理一般都是根据运动模型,卡尔曼滤波或者更普遍的马尔科夫模型的时间一致性来进行的。因而,当这个经过开场发散,这些方法也不能恢复遮挡关系。近期一种基于几何构造融合多个视点信息的方法,能够通过在多场景平台对人的定位来解决遮挡问题。仅采用随时间变化的外表信息用于从背景中检测前景,这使得在拥挤人流的场景中的外表遮挡的解决更强健。利用多视点中的前景信息,主要是试图找到被人遮挡的场景点的图像位置,然后这些被遮挡的信息用于解决场景中多个人的的遮挡和跟踪问题。在这种思想指导下,等的研究工作和机器人导航中基于遮挡网格的距离传感器的并行工作是类似的,这些方法在融
8、合空间信息的时候需要进行校正相机。但方法是完全基于图像的,仅需要构造信息进行图像平面的融合。当然也有另外一些不需要进行相机校正的算法被提出,但需要学习一个与相机最小相关的信息。在目的跟踪经过中,由于这些方法依靠于单个相机的场景,对于拥挤场景中目的分布密度增加九无能为力了。在的多视点的目的跟踪中,对于任何单一相机的场景,或者相机对的场景,都不需要进行定位和跟踪目的,而是从所有相机的场景中采集证据,构成一个统一的框架,由于该方法能够从多个时间帧的场景中进行场景被遮挡概率的全局轨迹优化,因而能够同时进行检测和跟踪。、总结动态目的检测与跟踪是智能监控系统的重要组成部分,它融合了图像处理、形式识别、自动
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 目的 跟踪 方法 研究 综述
限制150内