1、視頻圖像序列中的目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)問(wèn)題，廣泛地應(yīng)用于視頻監(jiān)控、視頻檢索、車(chē)輛導(dǎo)航、人機(jī)交互、體育比賽直播等場(chǎng)合。視頻目標(biāo)跟蹤主要的研究方向是對(duì)動(dòng)物視覺(jué)行為的模擬和對(duì)人類(lèi)分析思維模式的抽象;為此，研究者對(duì)視覺(jué)特征和分析方法都進(jìn)行了逼近，涌現(xiàn)出了許多能解決特定問(wèn)題的有效算法。但由于真實(shí)世界環(huán)境的復(fù)雜性和被跟蹤目標(biāo)本身的動(dòng)態(tài)性，依然存在很許多亟待解決的困難，背景環(huán)境的干擾、光照變化的因素、目標(biāo)之間的交錯(cuò)和遮擋、目標(biāo)外觀和姿態(tài)的變化

2、等都是影響目標(biāo)跟蹤算法性能的重要挑戰(zhàn)。
　　 本文在對(duì)現(xiàn)有的目標(biāo)跟蹤技術(shù)進(jìn)行充分學(xué)習(xí)和理解的基礎(chǔ)上，深入研究了廣義Hough變換在目標(biāo)跟蹤算法中的應(yīng)用，討論了目標(biāo)檢測(cè)分類(lèi)器的設(shè)計(jì)，目標(biāo)特征的提取和描述，目標(biāo)模型的在線更新，目標(biāo)位置的估計(jì)方法，以及遮擋推理，多目標(biāo)關(guān)聯(lián)模型等重點(diǎn)技術(shù)問(wèn)題，提出了一系列有效的解決方法。本文的主要研究成果如下:
　　 (1)提出了半監(jiān)督Hough Forests目標(biāo)跟蹤方法。以Hough For

3、ests為基本學(xué)習(xí)框架，引入了基于跟蹤過(guò)程中得到的樣本個(gè)體信息和空間分布信息的隨機(jī)標(biāo)簽，提高了分類(lèi)器的分類(lèi)性能，并降低了同類(lèi)目標(biāo)的混淆概率;采用了類(lèi)似粒子濾波的隨機(jī)采樣方式對(duì)分類(lèi)器的檢測(cè)和更新環(huán)節(jié)進(jìn)行加速，提高了算法的實(shí)時(shí)性。
　　 (2)提出了一種基于檢測(cè)反饋的長(zhǎng)程跟蹤算法。將閉環(huán)控制的思想引入到視覺(jué)跟蹤問(wèn)題中，用以光流向量作為特征的前饋跟蹤控制器，并用與之特征互補(bǔ)的檢測(cè)算子作為反饋控制器，用反饋的結(jié)果對(duì)跟蹤算子進(jìn)行調(diào)節(jié)，并對(duì)

4、目標(biāo)的外觀模型進(jìn)行維護(hù)。該算法能夠大幅提高跟蹤算法的魯棒性和穩(wěn)定性，對(duì)長(zhǎng)時(shí)間軸上的目標(biāo)跟蹤應(yīng)用非常有效。
　　 (3)提出了基于雙層粒子濾波的半監(jiān)督Hough Forests多目標(biāo)跟蹤算法。用雙層粒子濾波在統(tǒng)一的隨機(jī)采樣框架中解決樣本采樣和位置采樣兩個(gè)隨機(jī)過(guò)程，提高了檢測(cè)算子的實(shí)時(shí)性能。并設(shè)計(jì)了一個(gè)多目標(biāo)維護(hù)機(jī)制應(yīng)對(duì)遮擋、背景變化、目標(biāo)進(jìn)出場(chǎng)景等可能引起目標(biāo)混淆的情況。
　　 (4)提出了一種基于多視角多片段Hough