面向低帧率视频的目标跟踪研究

面向低帧率视频的目标跟踪在如智能移动终端、车载视觉系统等嵌入式应用方面有重要的研究意义。低帧率视频中目标跟踪最大的难点在于连续的图像帧中目标物体的表观或运动存在较大的突变，使得传统的"基于连续性假设"的跟踪方法无法处理。本项目旨在探索低帧率视频条件下跟踪方法的研究，并建立实时鲁棒的面向低帧率视频的目标跟踪系统。针对低帧率视频目标跟踪研究中的技术难点，提出有效的解决方案:（1）提出了融合主颜色及其空间分布的表观建模和交叉颜色比例的匹配准则，使得模型能够有效地处理目标表观和光线的突变；（2）提出了基于生物群智能的运动搜索方法- - 退火粒子群优化，实现了对运动突变的有效跟踪；（3）提出了基于模型参数积分图的快速适应值评价方法，大大地提高了算法的实时性。

面向低帧率视频的目标跟踪是计算机视觉领域的热门研究方向，在智能视频分析中至关重要。我们对面向低帧率视频的目标跟踪开展研究，具有重要的理论意义和应用前景。国内外现有的研究都是将低帧率视频看成目标物体的运动突变。然而，在实际应用中，低帧率视频所引入的不仅仅是目标物体的运动突变，还伴随着目标物体表观的巨大变化（包括目标物体姿态形状的变化以及光线变化所引起的表观变化）。本项目从目标表示、模型匹配、运动搜索等方面开展一系列创新性的研究工作。首先，我们提出融合主颜色及其空间分布的表观模型和交叉颜色比例的匹配准则，使得模型能够有效地处理目标表观和光线的突变。其次，针对目标运动的突变，我们提出基于生物群智能的运动搜索方法，以求实现对运动突变的有效跟踪。最后，整合目标跟踪的表观建模模块和运动搜索模块，提出了面向低帧率视频的目标跟踪算法，并搭建了原型测试系统。本项目在IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Transactions on Image processing, IEEE Transactions on Circuits and Systems for Video Technology 等国际知名期刊和会议上发表论文 20 篇，申请专利 8 项，已授权专利 3 项，转让实施2项，实施经费40万，产生经济效益1000多万和显著的社会效益，项目成果获得浙江省科技进步奖三等奖。在项目支持下，申请人获批国家自然科学基金面上项目，入选微软青年学者铸星计划、浙江省151人才计划、德国洪堡学者，培养了多名硕士研究生，达到了课题预期目标，圆满完成课题任务。