基于自適應(yīng)權(quán)重的多特征通道目標(biāo)跟蹤.pdf

1、目標(biāo)跟蹤作為計(jì)算視覺(jué)領(lǐng)域許多應(yīng)用的最重要的組成部分，廣泛應(yīng)用于智能視頻監(jiān)控、智能人機(jī)交互、醫(yī)學(xué)圖像序列分析等方面。如何魯棒地進(jìn)行目標(biāo)跟蹤也是一個(gè)具有挑戰(zhàn)性的問(wèn)題。在諸多的影響因素中，例如在遮擋、姿勢(shì)變化、外界光照變化、背景凌亂、外形變化等情況下，如何對(duì)目標(biāo)進(jìn)行快速而魯棒的跟蹤一直是本領(lǐng)域的熱點(diǎn)研究課題。
　　本文采用了自適應(yīng)權(quán)重來(lái)融合不同的特征通道所產(chǎn)生的置信圖來(lái)獲得目標(biāo)的預(yù)測(cè)位置。首先利用灰度特征，HOG特征和顏色名字特征來(lái)產(chǎn)生

2、一系列獨(dú)立的置信圖，在置信圖上的每個(gè)元素都表示了與之對(duì)應(yīng)的像素點(diǎn)屬于目標(biāo)中心的概率值，也就是置信度。為了加強(qiáng)置信圖的可靠性，本文提出了基于多層元胞自動(dòng)機(jī)的模型來(lái)更新這不同的特征產(chǎn)生的獨(dú)立置信圖。
　　灰度特征可以很好地描述物體的能量信息也就是低維特征，方向梯度直方圖(HOG)可以描述目標(biāo)和其周圍背景的紋理特征，而顏色名字特征在建立更穩(wěn)定的外觀模型的時(shí)候不僅僅提供了高維的特征信息，同時(shí)還有助于處理更為雜亂的顏色背景信息。本文算法通過(guò)

3、目標(biāo)中心和周邊背景的上下文信息來(lái)學(xué)習(xí)它們的空間聯(lián)系從而建立一個(gè)在線更新的模型，這種模型揭示了連續(xù)的視頻幀中的某種統(tǒng)計(jì)關(guān)系。本文利用空間模型和魯棒的外觀模型以及元胞自動(dòng)機(jī)更新機(jī)制得到了不同特征通道的置信圖，然后利用自適應(yīng)權(quán)重使之融合成最終的置信圖。最后選取融合置信圖上擁有最大置信度的像素點(diǎn)位置為跟蹤目標(biāo)的最優(yōu)中心位置。
　　實(shí)驗(yàn)部分采用了大量具有挑戰(zhàn)性的視頻序列對(duì)本文的跟蹤算法進(jìn)行定性和定量的評(píng)估，并與一些經(jīng)典和前沿的跟蹤算法進(jìn)行了