文档介绍：独创性声明

本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的
研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表
或撰写过的研究成果,也不包含为获得天津大学或其他教育机构的学位或证
书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中
作了明确的说明并表示了谢意。

学位论文作者签名: 签字日期: 年月日

学位论文版权使用授权书

本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。
特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检
索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校
向国家有关部门或机构送交论文的复印件和磁盘。
(保密的学位论文在解密后适用本授权说明)

学位论文作者签名: 导师签名:

签字日期: 年月日签字日期: 年月日
摘要

运动目标的跟踪是当前计算机视觉中研究的热门领域。人类感知世界最直观
的途径即视觉信息。连续的视频帧序列比单张静态图像包含了更多的目标信息。
为了实现运动目标跟踪,首先进行目标检测,然后在连续的图像序列中进行目标
位置关联,以实现目标完整轨迹的提取和运动特性分析,为进一步的事件判断,
动作识别等奠定基础。
本文针对目标跟踪算法研究,主要完成了以下创新性工作:
1. 提出了一种基于多特征自适应融合的粒子滤波跟踪算法,该算法考虑了
目标外观的全局性特征和局部性特征表示,并结合基于特征模型表达能
力和特征模型辨别能力的自适应融合,使得各特征之间针对不同场景,
不同目标,发挥了各自的特性,实现了相互之间的补充,提高了跟踪算
法鲁棒性。
2. 复杂场景下不断变化的目标外观往往导致初始特征模型并不能准确表示
当前的跟踪目标,使得模型更新容易导致跟踪漂移问题的发生。针对该
问题,本文提出了一种基于在线学****的目标跟踪算法,在一定程度上克
服了这个问题。
3. 随着摄像机广泛应用于交通监测,海量的视频数据已经无法得到及时处
理。因此,对于智能交通系统产生了迫切需求。本文构建了基于十字路
口的智能交通监控系统原型,实现了车辆检测、车辆跟踪、车牌识别、
交通灯识别、违章判断、抓拍截图等一系列功能,从而实现对十字路口
来往车辆进行自动违章监测。

关键词: 视频监控,粒子滤波,特征融合,在线学****智能交通
ABSTRACT
Moving object tracking is a hot research field puter vision. The most
intuitive way of human getting to know the world is visual information. Sequential
frames often contain more information than single static image. Moving object
detection, firstly is to detect object, then to track in sequential frames, to lay the
foundation for trajectory analysis, events judging, action recognition.
This paper is dedicated to research on object tracking algorithm, mainly
completed the following innovative work:
1. propose a particle filter tracking algorithm based on adaptive fusion of
multiple feature, the algorithm concerns the global representation and the partial
representation of object appearance, bines with adaptive fusion based on
representation and discrimination of feature models, that against different scenes and
different objects, playing their own role and implementing ple