1、目標(biāo)跟蹤技術(shù)是通過對視頻中序列圖像的處理，獲得感興趣目標(biāo)在連續(xù)序列圖像中位置隨時間變化的軌跡。目標(biāo)跟蹤在計算機(jī)視覺領(lǐng)域占有重要地位，廣泛應(yīng)用于視頻監(jiān)控，人機(jī)交互，自動駕駛等多個領(lǐng)域。目標(biāo)輪廓跟蹤能夠清晰地表達(dá)出目標(biāo)的邊緣輪廓，提供目標(biāo)的形狀變化信息，因此成為目標(biāo)跟蹤領(lǐng)域的一個重要研究方向。目標(biāo)跟蹤技術(shù)已研究多年，但仍存在許多問題有待解決，比如復(fù)雜環(huán)境造成的干擾，目標(biāo)發(fā)生拓?fù)渥兓蛘趽酰庹兆兓?。因此，研究一種高準(zhǔn)確度，高性能的目標(biāo)跟蹤

2、方法具有重大的意義。
　　本文設(shè)計一種結(jié)合目標(biāo)運(yùn)動信息和表觀特征的方法來實現(xiàn)目標(biāo)輪廓跟蹤，克服了傳統(tǒng)的基于表觀特征目標(biāo)輪廓跟蹤對于顏色，梯度等特征的依賴性，在目標(biāo)表觀特征不夠明顯，但是具有明顯相對運(yùn)動的場景中能達(dá)到良好的跟蹤效果。本文研究工作如下：
　　1）以超像素為基本單元提取目標(biāo)與背景的顏色特征和紋理特征，構(gòu)建基于表觀特征的目標(biāo)/背景模型，考慮到實際場景中的目標(biāo)或背景存在多種表觀模式(多種顏色或紋理)，使用兩類分類器很難

3、得到正確分類結(jié)果，本文提出一種基于局部信息的置信圖計算方法，并將其與SVM分類器得到的置信圖進(jìn)行自適應(yīng)權(quán)重融合，得到更為可靠的表觀特征置信圖。
　　2）引入光流法來刻畫目標(biāo)的運(yùn)動信息，得到的光流場能夠代表每個像素點(diǎn)的運(yùn)動速度大小和方向。由于光流場的計算結(jié)果可能出現(xiàn)運(yùn)動模糊，或者包含非目標(biāo)區(qū)域，導(dǎo)致運(yùn)動特征的提取不夠準(zhǔn)確，提出了一種自適應(yīng)光流灰度級調(diào)整的方法，來擴(kuò)大目標(biāo)和背景區(qū)域的灰度值差異，使得運(yùn)動特征更為明顯。該方法首先基于超像

4、素進(jìn)行局部光流方向直方圖統(tǒng)計和全局光流方向直方圖統(tǒng)計，劃分出目標(biāo)和背景區(qū)域，然后通過自適應(yīng)確定目標(biāo)背景區(qū)域光流灰度值的分割閾值，動態(tài)調(diào)整光流灰度級，得到調(diào)整后的光流灰度圖。
　　3）將調(diào)整后的光流灰度圖和基于表觀特征得到的置信圖作為兩個屬性訓(xùn)練決策樹，決策樹采用 ID3決策樹算法，根據(jù)信息增益最大準(zhǔn)則進(jìn)行構(gòu)建，利用決策樹對感興趣區(qū)域的像素點(diǎn)進(jìn)行預(yù)測，得到結(jié)合運(yùn)動信息和表觀特征的置信圖，引導(dǎo)水平集函數(shù)演化到目標(biāo)輪廓邊緣。通過多組實驗