金泽芬芬,,,

(空军工程大学 信息与导航学院,西安 710077)

0 概述

在计算机视觉领域中,在长视频流中跟踪机动目标是一项具有挑战性的任务[1]。视觉跟踪技术主要包括视频监控[2]、人机交互[3]和机器人学[4]等。许多学者围绕视觉跟踪技术开展了研究工作,近几年在该领域的理论研究也取得了很大的进展。但在实际应用中,仍面临着许多挑战。在跟踪过程中,目标本身存在尺度、旋转、姿态等复杂的运动情况,此外还有复杂背景环境、遮挡、光照变化等干扰的严重影响,容易导致在目标跟踪过程中出现目标丢失和误跟踪的情况,影响跟踪结果的精度和稳定性。

面对复杂的跟踪情况,采用单一特征的跟踪算法往往缺乏鲁棒性。研究结果表明,基于多特征融合的跟踪算法能够改善目标的检测与跟踪效果,不同特征各有适应较好的场景。如颜色特征对旋转和缩放不敏感、边缘特征对光照不敏感、LBP特征具有较好的旋转不变性和灰度不变性等。多特征融合的跟踪算法主要考虑特征各自的优缺点,通过融合具有互补性的特征来表示目标,以提高目标模型对场景的适应性问题[5-8]。而融合的过程一般是在跟踪中动态地调整不同特征的权值以适应环境的变化[9-12]。文献[5]结合了交互式多模和粒子滤波器来融合CBWH、CLTP和HOG特征。文献[8]提出了一种基于像素、纹理和边缘的多特征关联稀疏表达的跟踪算法,并使用方差比度量来自适应地调整不同特征的权重。文献[11]通过评估目标状态和背景状态之间的不相似性,并最小化加权熵来寻找最优特征组合,从而融合多个特征。……