基于背景约束的抗遮挡目标跟踪算法研究

阳永清

（长沙师范学院信息与公共实验管理中心，湖南 长沙 410100）

目标跟踪技术一直以来都是计算机图像智能处理领域中的研究热点，其最早应用于军事领域，现已在专项侦察、人机交互、医疗诊断、安防监控和虚拟现实等诸多领域有着广泛的应用[1-2]，成为城市智能视频监控的核心技术之一。目标跟踪的目的主要在于确定目标在视频图像中的准确位置和状态，从而有效获取目标的行迹、特征信息和空间位置信息等内容，为对目标状态进行更精准的分析提供技术支持。目标跟踪过程可以依据目标的类别分为点目标跟踪和特征目标跟踪两种。

目前，已有一些相对成熟的目标跟踪方法。刘美枝、杨磊等[3]设计了基于Camshift的跟踪算法，该算法充分考虑了角点的特征不变性，并利用图像Harris角点检测过程提取图像信息的局部特征点，继而在视频图像的连续两帧之间，通过对特征信息的配准剔除图像中的虚假特征点，从而获得特征点的实际位置和主方向，再利用CamShift算法完成对目标位置和方向的搜索和跟踪。曾礼灵、李朝锋[4]设计了基于支持向量机（Support Vector Machine,SVM）的跟踪算法，该算法在多核学习过程中导入了Boosting提升方法，利用比普通多核学习过程更加便捷的样本训练过程，建立基于互补性特征集和核函数集的弱分类器池，然后把多个单核的弱分类器组合起来，形成一个较强、多核的分类器，使得双方可以在强背景干扰的环境下仍能实现对目标的识别和跟踪。……