CASIA OpenIR  > 毕业生  > 博士学位论文
复杂场景下基于视觉注意显著性特征目标跟踪方法研究
其他题名Object Tracking Based on Visual Attention Saliency Features under Complex Scenes
刘林山
学位类型工学博士
导师乔红 ; 郑碎武
2015-05-22
学位授予单位中国科学院大学
学位授予地点中国科学院自动化研究所
学位专业控制理论与控制工程
关键词视觉注意显著性 特征区分度 判别力 自适应性 评价机制 目标跟踪 Visual Attention Saliency Feature Distinctions Degree Discriminant Adaptability Evaluation Mechanism Object Tracking
摘要视觉目标跟踪是计算机视觉领域一个十分重要且极具挑战性的研究课题。在军事制导、智能视频监控、机器人视觉导航和人机交互等方面有非常广泛的应用。经过多年的努力,虽然研究人员已经提出大量的跟踪方法,但是跟踪过程中目标自身的变化,例如姿态、微小形变等,和复杂场景,例如光照变化、遮挡等都会使目标与背景的区分度降低,导致目标跟踪性能衰退问题,迫切需要有效的新理论和跟踪算法。认知心理学研究表明人类视觉注意显著性机制(以下简称显著性)具有筛选和凸显感兴趣目标并抑制背景的能力。因此,研究适应视觉目标跟踪的显著性及其跟踪算法是必要的、可行的,具有重要的学术意义和应用价值。 作为一种预处理机制,显著性为目标跟踪检测显著区域并提取目标。可是,界限模糊的目标和背景区域同样会导致跟踪性能降低问题。从特征角度,显著性特征筛选和凸显感兴趣目标的能力表现在对背景的高区分度、强判别力和自适应性。因此,针对目标自身变化和复杂场景等引起的目标跟踪关键问题,从建立特征目标模型和搜索定位机制、抑制和利用背景信息角度出发,我们分别提出最优选择局部区域特征对比度显著性特征均值漂移跟踪算法、自上而下评价修正局部时空显著性特征均值漂移跟踪算法、联合全局Context相关性显著性特征粒子滤波跟踪算法以及全局频域显著性特征和运动显著性特征选择粒子滤波跟踪算法。在目标自身变化和复杂场景下,通过多种实验对算法有效性进行验证。结果表明提出算法的显著性特征对目标和背景具有较好的区分度,能够有效改进跟踪性能。 本论文主要研究工作和贡献如下: (1) 总结现有视觉目标跟踪方法,指出存在的问题和显著性优势,针对目标跟踪对显著性特征的区分度、判别力和自适应性要求,探讨了基于视觉注意显著性目标跟踪方法值得深入研究的问题。 (2) 针对复杂场景目标变化引起的特征区分度降低问题,基于特征整合理论和对比度,提出一种基于紧邻区域特征对比度显著性特征均值漂移跟踪算法。 在目标及其紧邻局部分别提取颜色、纹理和HOG(Histograms of Orientation Gradient)特征,计算区域直方图对比度。将这三种显著性特征利用AdaBoost组合分类器最优选择特征,显著性特征与多特征互补表示目标模型,凸显目标,满足跟踪算法对特征区分度、判别力的要求。实验表明该方法对目标外观变化有一定的适应性。 (3) 针对目标自身变化和复杂场景引起的特征区分度降低问题,从显著性特征时空特性和评价修正角度,提出一种基于自上而下评价修正局部时空显著性特征均值漂移跟踪算法。 基于运动向量场,在当前帧,分别计算颜色、纹理和HOG区域特征对比度显著性并利用全搜索和块匹配算法获得运动显著性特征。考虑对比度显著性、运动显著性特征与上一帧目标模型特征相关性评价显著性特征并构建目标模型。经过修正后的显著性特征能有效降低背景区域增加对前景运动目标筛选和凸显能力,从而提高算法的跟踪性能。 (4) 针对复杂场景中存在Context共存运动对象目标特征区分度问题,从目标结构和互相关性角度,提出联合全局Context相关性显著性特征粒子滤波跟踪算法。 利用目标...
其他摘要There is a broad range of applications of visual object tracking in fields such as military guidance, intelligent video surveillance, vision-aided navigation robotics and human-computer interaction,which has become an important topic for computer vision. Although extensive efforts have been taken, due to intrinsic factors, e.g. pose change, shape deformation and extrinsic factors, e.g. occlusion, illumination change make distinction lower, which seriously affect the capability of target tracking. Consequently, it is urgently need to study the novel effective and efficient theories and methods. Cognitive psychology shows that visual attention saliency (shorthand for saliency) has the ability to filter region of interest and suppress background. The study on saliency for object tracking and algorithm has important academic significance and actual application value. The traditional method of saliency-based object tracking is to detect target region as a preprocessing mechanism, however, the ambiguous boundary between target and background will make tracking drift. From the aspect of feature, saliency enforces the requirement that high distinction degree, strength discriminant and adaptability. For the above key issue, from the view of feature model and location searching scheme, we have proposed four efficiency and effectiveness trackers respectively. The one is Mean Shift tracking algorithm based on local region feature contrast saliency. The next one is Mean Shift tracking algorithm based on Top-Down evaluation local spatio-temporal saliency. The other one is Particle Filter tracking algorithm based on global context combined saliency. The final one is Particle Filter tracking algorithm based on frequency and motion saliency with evaluation mechanism. The effectiveness of the proposed algorithms is verified by a variety of experiments and results show that they has better distinction degree and handle the drifting significantly. The main works and contributions of the research in this thesis are detailed below. (1) The pros and cons for the tracking algorithms and saliency are detailed. For the key problem of distinctions degree, discriminant and adaptability for object tracking, we provide insights for future about the saliency-based tracking algorithms. (2) To reduce the disturbance of intrinsic factors, based on feature integrated theory and contrast, we propose Mean Shift tracking algorithm based on local nearest region feature contrast saliency. W...
其他标识符201018014628009
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6674
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
刘林山. 复杂场景下基于视觉注意显著性特征目标跟踪方法研究[D]. 中国科学院自动化研究所. 中国科学院大学,2015.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20101801462800(2756KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[刘林山]的文章
百度学术
百度学术中相似的文章
[刘林山]的文章
必应学术
必应学术中相似的文章
[刘林山]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。