基于偏最小二乘法的視覺目標(biāo)檢測與跟蹤方法研究.pdf

1、在計(jì)算機(jī)視覺領(lǐng)域中，目標(biāo)檢測和目標(biāo)跟蹤研究與實(shí)際應(yīng)用聯(lián)系非常緊密。并且，以在線目標(biāo)檢測的方式進(jìn)行目標(biāo)跟蹤是目前流行的一種目標(biāo)跟蹤框架。目標(biāo)檢測方法所建立的判別模型能夠在目標(biāo)跟蹤中表現(xiàn)出良好的性能。然而，目前的目標(biāo)檢測和目標(biāo)跟蹤算法還存在著許多不足，如難以處理遮擋、光照變化、姿勢變化和尺度變化等。為了更好地解決這些問題，本文開展了一些列的研究工作。鑒于目標(biāo)檢測和目標(biāo)跟蹤之間的緊密聯(lián)系和它們的研究價(jià)值，本文的研究工作沿著從目標(biāo)檢測到目標(biāo)跟蹤

2、的遞進(jìn)式路線開展。首先從目標(biāo)檢測方法的研究出發(fā)，提出了一種基于橋偏最小二乘法(Bridge Partial Least Squares)和廣義霍夫變換的目標(biāo)檢測方法，以及一種多尺度投票方案和一個(gè)基于互信息理論的假設(shè)融合策略，獲得了較好的多尺度目標(biāo)檢測效果。在此基礎(chǔ)上，本文進(jìn)一步對所提出的目標(biāo)檢測方法予以改進(jìn)，提出了一種遞推的橋偏最小二乘法(Recursive BridgePartial Least Squares)，并基于此提出了一種新

3、的以在線目標(biāo)檢測方式進(jìn)行目標(biāo)跟蹤的方法。此外，本文還將所提出的目標(biāo)跟蹤方法進(jìn)行了更進(jìn)一步的改進(jìn)，提出了一種基于非線性遞推橋偏最小二乘法的目標(biāo)跟蹤方法，獲得了較好的目標(biāo)跟蹤效果。本文的具體工作和創(chuàng)新點(diǎn)包括:
　　提出了一種基于橋偏最小二乘法和廣義霍夫變換的目標(biāo)檢測方法（簡稱HRM-bpn方法）。本文使用廣義霍夫變換作為目標(biāo)檢測框架，能夠使目標(biāo)檢測算法對遮擋有一定的魯棒性;使用橋偏最小二乘法來對局部圖像特征與目標(biāo)中心位置之間的關(guān)系進(jìn)行

4、建模，能夠減少高維特征向量中的冗余信息并避免多重共線性(Multicollinearity)問題。實(shí)驗(yàn)結(jié)果表明，該目標(biāo)檢測方法在部分具有挑戰(zhàn)性的數(shù)據(jù)集上取得了較好的效果;而橋偏最小二乘法的性能表現(xiàn)與傳統(tǒng)偏最小二乘法非常接近，但其能夠明顯地提高模型訓(xùn)練階段的效率。
　　提出了一種多尺度投票方案和一個(gè)基于互信息理論的假設(shè)融合策略。本文提出的多尺度投票方案能夠同時(shí)在多個(gè)尺度上產(chǎn)生霍夫投票，從而高效地得到多個(gè)尺度上的霍夫圖像(Hough

5、Image)。另外，本文提出了一種基于互信息理論的目標(biāo)假設(shè)融合策略，能夠有效減少多尺度目標(biāo)檢測中的誤檢。實(shí)驗(yàn)表明，與常用的基于圖像金字塔的方案和非極大值抑制策略相比，本文提出的多尺度投票方案和假設(shè)融合策略能明顯提高HRM-bpn方法的性能，更好地解決目標(biāo)檢測中的尺度問題。
　　提出了一種基于遞推的橋偏最小二乘法的目標(biāo)跟蹤算法。本文對橋偏最小二乘法予以改進(jìn)，提出了一種遞推的橋偏最小二乘法。該方法能夠高效地融合目標(biāo)跟蹤過程中歷史數(shù)據(jù)和

6、新數(shù)據(jù)，并以相同的計(jì)算量在每一幀中在線更新霍夫回歸模型。實(shí)驗(yàn)結(jié)果表明，該方法在部分具有挑戰(zhàn)性的數(shù)據(jù)集上能夠表現(xiàn)出較好的目標(biāo)跟蹤性能，但線性霍夫回歸模型所產(chǎn)生的投票精度有限。
　　提出了一種基于非線性遞推橋偏最小二乘法的目標(biāo)跟蹤算法。本文使用Nystr(o)m方法對再生核希爾伯特空間中的高維向量進(jìn)行近似和降維，解決了遞推橋偏最小二乘法中使用的協(xié)方差矩陣在再生核希爾伯特空間中難以計(jì)算的問題。在此基礎(chǔ)上，將遞推的橋偏最小二乘法引入到再生

7、核希爾伯特空間中，提出了一種非線性的遞推橋偏最小二乘法。該方法能夠在線地生成更加魯棒的、非線性的霍夫回歸模型，更準(zhǔn)確地預(yù)測目標(biāo)位置。此外，針對遞推橋偏最小二乘法中較為重要的數(shù)據(jù)中心化問題，提出了一種新的隱式數(shù)據(jù)中心化公式。對于原本需要使用已中心化的數(shù)據(jù)來計(jì)算的協(xié)方差矩陣，新公式能夠使用未中心化的數(shù)據(jù)直接計(jì)算出該協(xié)方差矩陣，從而解決了遞推橋偏最小二乘法中的數(shù)據(jù)中心化問題。實(shí)驗(yàn)表明，該目標(biāo)跟蹤方法在更多有挑戰(zhàn)性的數(shù)據(jù)集上取得了較好的目標(biāo)跟蹤