基于辅助区域的公共环境中目标协同跟踪研究

One of the main task for object tracking system is to robustly tracking specific target over long time and long distance in public environment,such as campus,square and streets; this is also the urgent need for public security and handling emergent events, so this research has important significance and value. However, in public environment there usually have several distracters with similar appearance of the real target, and the target also may be subjected to occlusions. To overcome these dilemmas, in this research two type of auxiliary regions: false target regions and supporter regions, are designed to analysis the content of the tracking environment. The uncertain information in the current tracking scenario is reliably learned by means of mining the data of these two type regions. On the basis of developing the real-time searching and adaptive updating techniques for these regions，we tend to provide an cooperative tracking framework which can fusing the information of auxiliary regions and the target efficiently, so as to improve the robustness of object tracking in public environment and lay a good theoretical basis for the tracking system's practicality.

在校园、广场及街道等公共场合空间中，对特定目标进行持续的、长距离的稳健跟踪是目标跟踪系统的主要任务之一，也是当前公共安全和突发事件处理的迫切需要，具有重要的研究意义和价值。针对公共场合往往存在多个与跟踪目标具备相似外观的干扰物体以及目标容易发生遮挡等困难，本研究拟通过设计伪目标区域和支持元素区域两类辅助区域来对目标所处环境内容进分析，借助于两类区域信息的挖掘对跟踪场景下的不确定因素进行可靠把握。进而在研究两类区域的实时搜索和自适应更新技术的基础上，设计一种将辅助区域信息和跟踪目标高效融合的协同跟踪框架，以提高目标跟踪系统在公共空间中的鲁棒性,为跟踪系统的实用化打下坚实的理论基础。

在公共场合中对特定目标进行可持续跟踪是智能视频监控的主要任务之一，对提升当前公共安全和突发事件处理的预警水平有着重要的理论和实际意义。为提高目标跟踪的稳健性，增强其对各种干扰因素的免疫能力，本项目对目标跟踪及其相关学习算法进行了一系列的研究，主要研究内容和取得的成果如下：. （1）针对传统增量子空间跟踪方法易于受光照变化、遮挡等因素干扰的问题，设计了一类自适应多线索特征模型来对目标表观进行表达，该模型可在线的对特征空间和几何空间中的各类线索进行鉴别性评估，进而以评估结果为基准对各类线索分配权值，最后完成多线索的自适应融合。实验表明，所提出的方法要优于传统的跟踪方法。. （2）传统基于子空间的目标跟踪方法以对应特征值的大小为准则建立子空间，没有考虑目标与背景之间的鉴别性，对此提出一种以评估目标与背景间可区分能力为基础的子空间选择方法，并将该方法有效嵌入到粒子滤波跟踪框架下实现对红外目标的鲁棒跟踪。对多个复杂场景下的目标跟踪实验表明所提出的算法要优于传统基于增量子空间学习的跟踪算法。. （3）提出一种基于局部鉴别分析的红外与可见光图像多源信息协同跟踪的目标跟踪方法。从评估图像信息对目标和背景间的可区分性能角度出发，引入线性鉴别分析理论来实现多源图像在特征层次上的自适应融合，最后将该融合理论嵌入到粒子滤波跟踪框架中完成对目标的跟踪。实验结果表明，与采用单一图像信息的目标跟踪系统相比，所提出的方法可对红外和可见光图像进行有效融合，从而实现对目标的稳健跟踪。. 此外，我们还对多示例学习和神经计算模型进行了研究。. 上述的研究内容和成果，对提高目标跟踪的稳健性提供了一定的理论基础，对目标跟踪系统的实用化具有一定的指导意义。