复杂动态场景中鲁棒的视觉跟踪算法研究

Visual tracking is one of most important techniques for the content based video analysis and understanding. However, it is challenged by many factors, such as, illumination variant, appearance change, and occlusion and so on. In order to perform the long-time ability to track object robustly in complex and dynamic scene, a visual tracking system will be designed in the project. Firstly, an unsupervised learning method will be applied into the background modeling. Secondly, on the basis of the visual attention theory, the object of interest will be extracted by the association of the saliency map and fuzzy theory. Thirdly, a semi-supervised learning method will be adopted for the appearance model, as well as the incremental mechanism for updating the appearance model. Finally, the tracking system based on the combination of the above research results will be explored. The project will be inspirable for the object recognition and intelligent video surveillance, and of great use for the safeguard in the social life.

视觉跟踪是实现智能的视频内容分析和理解的重要技术和关键环节。在实际应用中，受到视频中多种因素的影响，视觉跟踪还面临很多挑战。针对背景场景复杂，目标运动存在多样性等问题，本项目拟开展复杂动态场景中鲁棒的视觉跟踪算法研究。本项目将实现视频序列中的无监督背景模型的构建；并结合视觉注意机制获得显著图，在此基础上利用模糊理论对目标进行提取；然后，基于目标提取的结果，通过半监督学习的方法构建目标的外观模型，设计增量式学习的鲁棒视觉跟踪算法,实现对复杂动态场景中长时可靠的跟踪。该研究成果将为运动目标识别和智能视频监控提供有效的工具，并为保障社会安全提供新的技术途径。

视觉跟踪是图像视频理解的关键环节，也是实现视频中动态信息分析的前提和基础，为实现视频中的目标识别提供了重要的保障。该项目主要针对复杂场景中前景和背景数据的视觉特性，深入分析和研究前景目标和背景的视觉差异和联系，进而展开对背景和目标外观模型和背景模型的构建，通过动态系统模型来描述视频序列中运动目标的时空特性，最终实现自然场景中的视觉跟踪任务。. 研究内容包括：（1）基于视觉注意机制的前景目标检测方法，研究前景与背景的视觉差异性。（2）基于视觉显著性以及外观轮廓的目标分割方法。（3）基于信号滤波的视觉跟踪方法。（4）基于上述理论成果，面向实际工程研制基于显著性检测的图像分割系统、以及面向现场报告的捕捉手应用软件。本项目的研究成果将有助于丰富和发展计算机视觉在显著目标的检测、分割和跟踪方面的理论研究，同时为日常工作和生活提供便利和帮助。. 在项目研究过程中，围绕上述目标外观模型的表示方式、人眼视觉注意在计算机中的表达和目标跟踪的动态模型、以及应用验证等内容开展了研究，共发表学术论文8篇，申请软件著作登记4项。可见研究内容不仅涵盖了全部研究工作计划，且在对视觉跟踪中数据的表达进行了深入的研究。因此，项目研究工作按计划执行且执行情况良好，课题组完成了任务书中规定的各项考核指标。.