面向视频的目标跟踪新算法及其应用研究

本项目研究面向视频的目标跟踪的新理论与新方法。主要的创新研究内容包括以下四个方面： （1）在序列蒙特卡洛滤波算法的框架下，提出局部混合线性高斯模型理论，并研究最优观测模型，有效改进粒子退化现象，最终实现粒子传播过程中状态空间的质量和目标跟踪算法的精度；（2）针对Mean Shift跟踪算法的两个缺点，即计算复杂度高和核心步骤计算所得的新目标模板中心位置几乎都非整数的问题，提出一种基于统计模型和模糊技术的Mean Shift跟踪新算法，从而实现快速准确的视觉目标跟踪；（3）鉴于现有的Mean Shift算法是基于固定目标模板，针对目标可能的变化问题，提出动态目标模板的新概念和改进的跟踪新算法；（4）将上述理论与方法应用于包括化工、军工、交通和物联网等的应用问题。.该研究不仅对提高图像分析和跟踪水平有重要意义，而且课题研究中提出的一些新思想和新方法无疑将丰富模式识别与计算机视觉的研究内容。