1、從視覺場(chǎng)景中發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)并對(duì)其進(jìn)行跟蹤是低層與中層視覺處理任務(wù)，也是運(yùn)動(dòng)目標(biāo)行為分析的基礎(chǔ)。本文的主要任務(wù)是精確地發(fā)現(xiàn)視頻序列初始幀中的運(yùn)動(dòng)目標(biāo)，計(jì)算出運(yùn)動(dòng)目標(biāo)的狀態(tài)向量，并在后續(xù)視頻幀中連續(xù)地估計(jì)出該目標(biāo)的狀態(tài)向量。開展該課題的研究對(duì)智能視頻監(jiān)控、智能交通、武器系統(tǒng)、視頻壓縮等領(lǐng)域都具有重要的理論和應(yīng)用價(jià)值。這些新的高應(yīng)用價(jià)值領(lǐng)域給廣大研究人員提供了強(qiáng)大的研究動(dòng)力。
　　為了實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)跟蹤算法的自動(dòng)初始化，本文首先研究了一種兩

2、階段精確定位的運(yùn)動(dòng)目標(biāo)發(fā)現(xiàn)算法。主流的運(yùn)動(dòng)目標(biāo)跟蹤算法采用兩種模型進(jìn)行構(gòu)造，一種是生成式模型，另一種是判別式模型。通過研究這兩種跟蹤模型的構(gòu)造方式，提出了兩種基于生成式模型的運(yùn)動(dòng)目標(biāo)跟蹤算法以及一種判別式模型下的跟蹤算法。本文的主要貢獻(xiàn)包括：
　　首先，本文提出了一種基于彩色光流與視覺似物性度量的運(yùn)動(dòng)目標(biāo)發(fā)現(xiàn)算法，該算法用于解決運(yùn)動(dòng)目標(biāo)跟蹤算法的自動(dòng)初始化問題。遵循由粗到細(xì)的原則將運(yùn)動(dòng)目標(biāo)發(fā)現(xiàn)視為兩階段定位問題。依據(jù)Opponen

3、t顏色理論計(jì)算視覺上顯著的彩色光流場(chǎng)，通過對(duì)光流場(chǎng)歸一化和閾值化處理，定位出運(yùn)動(dòng)目標(biāo)的粗位置?？紤]視覺上如何判斷一個(gè)圖像區(qū)域是否為物體，定義兩種似物性度量，即顏色對(duì)比度和邊緣完整性度量。再采用滑動(dòng)窗口精確地標(biāo)記出運(yùn)動(dòng)目標(biāo)在序列圖像中的邊界框。通過實(shí)驗(yàn)表明該算法可以確保運(yùn)動(dòng)目標(biāo)跟蹤算法自動(dòng)實(shí)現(xiàn)。
　　其次，本文提出了一種張量核主成分投影下的運(yùn)動(dòng)目標(biāo)跟蹤算法，該算法依據(jù)目標(biāo)表觀圖像間的非線性關(guān)系對(duì)目標(biāo)進(jìn)行跟蹤?？紤]到來源于同一目標(biāo)的張

4、量在不同模下的展開矩陣存在于Grassmann流形中，通過Grassmann流形中主角度定義張量核函數(shù)。再利用核主成分投影（KPCA）在核空間中對(duì)樣本數(shù)據(jù)進(jìn)行降維投影，最后將動(dòng)態(tài)預(yù)測(cè)融入貝葉斯濾波框架中，用于對(duì)遮擋情形下的目標(biāo)狀態(tài)向量進(jìn)行預(yù)測(cè)。通過對(duì)比實(shí)驗(yàn)表明所提出的算法在目標(biāo)姿態(tài)、尺度變化以及部分遮擋時(shí)具有較高的精確性與魯棒性。
　　再次，本文提出了一種基于特征張量多流形判別分析的運(yùn)動(dòng)目標(biāo)跟蹤算法，該算法用于處理多相似目標(biāo)相互遮

5、擋場(chǎng)景。多目標(biāo)場(chǎng)景中目標(biāo)被遮擋時(shí)，從遮擋到分離的過程中易受到相似目標(biāo)干擾，導(dǎo)致跟蹤失敗。目標(biāo)表觀采用顏色和梯度特征構(gòu)造的特征張量描述以適應(yīng)部分遮擋。通過粒子濾波模板匹配跟蹤算法建立先驗(yàn)多流形張量數(shù)據(jù)集。為了體現(xiàn)判別性，定義張量距離確定張量數(shù)據(jù)的流形內(nèi)與流形間鄰域關(guān)系，構(gòu)造多流形判別分析獲取子流形的多線性投影矩陣，最后結(jié)合貝葉斯序貫推理獲得目標(biāo)狀態(tài)向量的最終估計(jì)。同時(shí)研究了當(dāng)前幀中新獲取的目標(biāo)狀態(tài)向量的可靠性，建立了一種多流形數(shù)據(jù)集更新準(zhǔn)

6、則。通過對(duì)比實(shí)驗(yàn)表明上述算法在多個(gè)相似目標(biāo)互相遮擋的場(chǎng)景中能有效地區(qū)分目標(biāo)與相似目標(biāo)。
　　最后，本文提出了一種基于彩色特征隨機(jī)壓縮的運(yùn)動(dòng)目標(biāo)跟蹤算法。該算法研究了彩色視頻序列中目標(biāo)的顏色分布特性，引入了一種新的彩色類Haar特征，通過隨機(jī)壓縮的方式提取彩色類Haar特征。研究了樣本中特征分布特性，構(gòu)造了一種加權(quán)的樸素貝葉斯分類器。為了適應(yīng)目標(biāo)表觀變化，對(duì)分類器參數(shù)實(shí)時(shí)更新。通過在公開的具有挑戰(zhàn)性的視頻序列上進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了算