基于隨機(jī)森林的視覺跟蹤算法研究及應(yīng)用.pdf

1、視覺目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向，在智能監(jiān)控、人機(jī)交互、機(jī)器人導(dǎo)航和基于運(yùn)動的行為識別等領(lǐng)域有著廣泛的應(yīng)用前景。因此，視覺目標(biāo)跟蹤是一個(gè)理論研究與實(shí)際應(yīng)用密切結(jié)合的領(lǐng)域。
　　 本文主要研究基于自適應(yīng)目標(biāo)表觀模型的視覺跟蹤。首先對經(jīng)典的和新近的研究工作進(jìn)行了總結(jié)，然后提出了兩種基于隨機(jī)森林學(xué)習(xí)算法的視覺目標(biāo)跟蹤方法。它們將視覺跟蹤看作目標(biāo)與背景的二類分類問題，通過分類器的在線更新以適應(yīng)目標(biāo)表觀的變化，達(dá)到在復(fù)雜環(huán)境

2、下對目標(biāo)的穩(wěn)健跟蹤。
　　 論文首先提出了基于隨機(jī)森林的實(shí)時(shí)集成跟蹤算法。它提取目標(biāo)與鄰域背景的像素級特征建立初始的隨機(jī)森林分類器;在后續(xù)幀中，將上述分類器的輸出作為置信圖，采用MeanShift算法對目標(biāo)進(jìn)行定位;在跟蹤過程中對森林中每棵樹的分類能力進(jìn)行評價(jià)，用新訓(xùn)練的隨機(jī)樹替換原森林中分類能力顯著下降的那些樹。由于隨機(jī)森林算法具有噪聲不敏感特性，所以上述跟蹤算法的穩(wěn)健性明顯優(yōu)于基于AdaBoost的集成跟蹤算法，并且有較好的

3、實(shí)時(shí)性，為工程應(yīng)用提供了一種可選方案。
　　 接著，本文提出了一種增量式隨機(jī)森林算法，可應(yīng)用于訓(xùn)練數(shù)據(jù)分批到來的場景。采用在線Bagging模擬Bootstrap過程，并給出了隨機(jī)樹在線生長的方法。在人工合成和實(shí)際數(shù)據(jù)集中對上述增量算法進(jìn)行了測試，其分類正確率接近離線的隨機(jī)森林算法，且優(yōu)于在線Boosting算法。本文將上述增量隨機(jī)森林作為鑒別型表觀模型應(yīng)用于視覺目標(biāo)跟蹤，在跟蹤過程中提取新的正/負(fù)樣本不斷更新分類器。跟蹤算法采

4、用粒子濾波框架進(jìn)行，分類器的輸出作為每個(gè)粒子的權(quán)重，并通過計(jì)算粒子狀態(tài)空間分布的不確定性(Spatialuncertainty)對多個(gè)特征進(jìn)行在線融合。詳細(xì)的對比實(shí)驗(yàn)表明上述跟蹤算法在目標(biāo)表觀變化和復(fù)雜背景情況下具有較好的穩(wěn)健性，性能不弱于幾種經(jīng)典的和最近提出的跟蹤算法。
　　 最后，論文報(bào)道了基于集成跟蹤的PTZ攝像機(jī)主動跟蹤系統(tǒng)，給出了攝像機(jī)Pan/Tilt/Zoom的控制方法。通過目標(biāo)檢測、膚色驗(yàn)證和集成跟蹤相結(jié)合的方式對