論文開(kāi)題報(bào)告：基于深度信息的目標(biāo)跟蹤

大學(xué)本科畢業(yè)論文(設(shè)計(jì))開(kāi)題報(bào)告
學(xué)院：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院　　　　專(zhuān)業(yè)班級(jí)：09級(jí)計(jì)算機(jī)科學(xué)與技術(shù)2班

課題名稱(chēng) 基于深度信息的目標(biāo)跟蹤

1、本課題的的研究目的和意義：
目的：在移動(dòng)雙目攝像機(jī)平臺(tái)上，研究復(fù)雜監(jiān)控場(chǎng)景下目標(biāo)的長(zhǎng)時(shí)間持續(xù)跟蹤問(wèn)題，通過(guò)對(duì)深度信息的有效利用，本課題所提出的算法很大程度上緩解了跟蹤中經(jīng)常出現(xiàn)的漂移問(wèn)題，特別是當(dāng)目標(biāo)表觀與背景很相似的情況下，算法依然能夠達(dá)到較好的跟蹤效果。
意義：計(jì)算機(jī)視覺(jué)是一門(mén)新興學(xué)科，其主要的應(yīng)用領(lǐng)域在迅速拓寬，早已_到如交通導(dǎo)航，虛擬現(xiàn)實(shí)，安全鑒別、監(jiān)視與跟蹤等許多領(lǐng)域。計(jì)算機(jī)視覺(jué)的基本任務(wù)之一就是從攝像機(jī)獲取圖像信息來(lái)計(jì)算物體的幾何信息，并利用這些信息進(jìn)行識(shí)別和跟蹤目標(biāo)。傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤大多是基于單目視覺(jué)的方法，但單目視覺(jué)的方法會(huì)使圖像在投影過(guò)程中丟失了實(shí)際場(chǎng)景的深度信息。且當(dāng)前計(jì)算機(jī)仍無(wú)法對(duì)單目場(chǎng)景進(jìn)行有效的理解和恢復(fù)物體和場(chǎng)景間的空間關(guān)系，因此如果僅僅通過(guò)二維圖像進(jìn)行目標(biāo)跟蹤往
……（新文秘網(wǎng)http://120pk.cn省略708字，正式會(huì)員可完整閱讀）……　
激光掃描顯微鏡）獲取立體圖像時(shí)，對(duì)細(xì)菌觀察的圖像進(jìn)行立體成像。
（2）攝像機(jī)標(biāo)定
微軟的張正友將列文伯格—馬夸爾特算法應(yīng)用在最小化圖小點(diǎn)與對(duì)應(yīng)的外極線間距離，這一方法大大提高了計(jì)算基礎(chǔ)矩陣的精讀。
（3）立體匹配
機(jī)器人時(shí)間研究組的鐘云德博士利用一種半稠密匹配的方法進(jìn)行了左右立體圖像對(duì)的匹配，這種方法時(shí)對(duì)稀松匹配和稠密匹配的折中。游素亞等人利用Hardy小波基函數(shù)將原始圖像對(duì)表示成一系列具有良好空頻域定位性的正交帶通分量，然后以帶通分量的相位信息作為匹配單位，將視差的計(jì)算轉(zhuǎn)化為小波相位差估計(jì)問(wèn)題。
利用雙目立體視覺(jué)獲取圖像深度信息之后，就可以利用深度信息進(jìn)行目標(biāo)跟蹤，在目標(biāo)跟蹤領(lǐng)域存在著幾大研究的難點(diǎn)：漂移問(wèn)題，對(duì)無(wú)規(guī)律運(yùn)動(dòng)和劇烈表觀變化的目標(biāo)跟蹤效果不佳，對(duì)遮擋的處理。
基于深度信息的目標(biāo)跟蹤，主要的研究情況為：
由A. Ess等人所開(kāi)發(fā)的多行人檢測(cè)和跟蹤系統(tǒng)，在他們的系統(tǒng)框架中，深度信息只是作為一個(gè)輔助線索來(lái)提高目標(biāo)檢測(cè)器的精確度。但是它們止步于讓深度信息輔助地面估計(jì)和目標(biāo)檢測(cè)而忽略進(jìn)一步挖掘深度信息進(jìn)行目標(biāo)分割和定位，使得深度信息的最大優(yōu)勢(shì)無(wú)法得以利用。再者，地面估計(jì)只能適用于平行并懸浮于路面或平整平面之上的相機(jī)系統(tǒng)并且整個(gè)過(guò)程中相機(jī)系統(tǒng)參數(shù)需保持不變，在實(shí)際使用中用途受限。
Bansal等人通過(guò)將深度圖像中的三維點(diǎn)投影到二維的地面上來(lái)抽取目標(biāo)興趣區(qū)域（Regions-of-interest）。以深度信息為主進(jìn)行目標(biāo)深度塊在時(shí)間軸上的傳播，這不僅能極大地解決表觀變化劇烈或是前背景表觀差異較小時(shí)跟蹤漂移的問(wèn)題，而且也為遮擋檢測(cè)和目標(biāo)重獲取提供了可能。
Darrell等人將人臉和皮膚相似區(qū)域的檢測(cè)加入到深度分割的框架中，先是檢測(cè)出人臉或皮膚區(qū)域而后通過(guò)塊連接算法(Connected Component)將深度圖上與特征區(qū)域深度塊和空間位置相近的深度塊進(jìn)行連接從而完成場(chǎng)景中人體的分割。
相似的，L. Wang將深度信息融合進(jìn)前景抽取的最大能量函數(shù)的計(jì)算中，但是它的方法無(wú)法適用于移動(dòng)的背景。而Y. Ma用深度信息作為輔助線索來(lái)提高視頻跟蹤中的遮擋處理，他們的方法雖然意識(shí)到了深度信息在遮擋處理的重要性，但是只是以一種間接的介入方法，因此對(duì)遮擋處理的效果很有限。
從20世紀(jì)80年代至今，研究者們對(duì)雙目立體視覺(jué)的各個(gè)層次各個(gè)方面都進(jìn)行了大量的研究，也取得了豐碩的成果。但是要構(gòu)造出類(lèi)似于人眼的通用雙目立體視覺(jué)系統(tǒng)，并且利用深度信息進(jìn)行目標(biāo)跟蹤還需要很長(zhǎng)時(shí)間的探索和研究，進(jìn)一步的研究方向可歸納如下：
(1)如何建立更有效的雙目立體視覺(jué)模型，能更充分的反映立體視覺(jué)的不確定性，為匹配提供更多的約束信息，降低立體匹配的難度。
(2)建立更為魯棒的目標(biāo)表觀模型以輔助深度信息在動(dòng)態(tài)場(chǎng)景中實(shí)現(xiàn)更可靠和魯棒的目標(biāo)跟蹤。
(3)建立更為魯棒的遮擋處理方法。
(4)算法向并行化發(fā)展，提高速度，減少運(yùn)算量，增強(qiáng)系統(tǒng)的實(shí)用性。











3、 本課題的主要研究?jī)?nèi)容（提綱）和成果形式：
利用兩個(gè)攝像機(jī)分別獲取的左右視角圖像獲取物體的深度信息，對(duì)目標(biāo)物體進(jìn)行跟蹤，具體內(nèi)容為：
（1）基于雙目視覺(jué)的深度信息提取算法。
（2）將深度信息融入目標(biāo)跟蹤中，有效處理遮擋、表觀變化和“漂移”問(wèn)題。
本課題的成果應(yīng)包括：一個(gè)可以運(yùn)行的源程序以及據(jù)此寫(xiě)出的畢業(yè)論文

4、 擬解決的關(guān)鍵問(wèn)題：
（1）當(dāng)背景或其他目標(biāo)與原目標(biāo)擁有相似深度值時(shí)，如何使得分割出來(lái)的目標(biāo)深度塊不受到非目標(biāo)像素的干擾，需要采用更有效的 ……（未完，全文共3934字，當(dāng)前僅顯示1987字，請(qǐng)閱讀下面提示信息。收藏《論文開(kāi)題報(bào)告：基于深度信息的目標(biāo)跟蹤》）