基于自适应特征的复杂背景下目标检测与跟踪方法研究

基于自适应特征的复杂背景下目标检测与跟踪方法研究，是针对目前经典动态目标跟踪算法在复杂背景应用中所存在的跟踪失效问题，提出的一种基于贝叶斯错误率的自适应特征选择方法，用以构造具有有效目标和背景区分能力的特征集合，继而应用贝叶斯分类方法生成视频图像的权重图像，将其与经典跟踪算法（如均值漂移和粒子滤波）相融合，解决跟踪过程中动态表观建模问题，从而实现对动态目标的有效跟踪。同时，对视觉跟踪应用中的初始化问题，即动态目标检测，开展新型的多层复杂背景建模及在线更新算法研究，以及自适应的前景区域合并方法研究，从而获得完整而精确的运动物体，为跟踪器提供鲁棒的初始化参数。通过本项目的研究，将提出一种新的基于贝叶斯决策理论与经典确定性/随机跟踪理论相结合的动态目标检测与跟踪方法。其研究成果可以有效解决复杂背景应用下的动态目标跟踪问题，实现刚体/非刚体动态目标在多变的恶劣自然环境下的检测与跟踪。