基于集合分類器的單目標(biāo)跟蹤方法研究.pdf

1、如果在一幀圖像中給出一個(gè)定義了目標(biāo)的邊界框，我們的目的就是自動(dòng)檢測邊界框內(nèi)的目標(biāo)并在之后的視頻幀中判斷該目標(biāo)是否可見以及目標(biāo)在可見情況下的相關(guān)信息。這種對(duì)視頻中的興趣目標(biāo)進(jìn)行跟蹤的研究課題很具挑戰(zhàn)性，該課題的研究在人機(jī)交互和軍事領(lǐng)域有很大的應(yīng)用前景。當(dāng)前比較先進(jìn)的追蹤方法在利用檢測器進(jìn)行跟蹤方面表現(xiàn)出了較強(qiáng)的自適應(yīng)能力，但是這些檢測器的分類檢測過程往往需要關(guān)于目標(biāo)的大量先驗(yàn)知識(shí)，并且當(dāng)目標(biāo)以一種新的狀態(tài)出現(xiàn)時(shí)檢測器將無法正確識(shí)別該目標(biāo)。

2、
　　 本文以視頻中的單個(gè)興趣目標(biāo)為研究對(duì)象，以實(shí)現(xiàn)對(duì)單個(gè)目標(biāo)的長時(shí)間跟蹤為目的，對(duì)目標(biāo)的跟蹤和檢測算法進(jìn)行了較深入的研究。針對(duì)跟蹤過程中遇到的跟蹤算法無法對(duì)圖像中的目標(biāo)及背景的變化進(jìn)行自適應(yīng)的問題，本文提出了一種跟蹤器與檢測器相結(jié)合的跟蹤算法來克服這些問題。在目標(biāo)跟蹤過程中，跟蹤器與檢測器協(xié)同工作，基于半監(jiān)督學(xué)習(xí)的在線學(xué)習(xí)算法對(duì)檢測器的訓(xùn)練樣本進(jìn)行實(shí)時(shí)更新，使跟蹤算法具備對(duì)目標(biāo)和環(huán)境變化的自適應(yīng)能力。主要工作包括：⑴跟蹤器的實(shí)

3、現(xiàn)。采用金字塔Lucas-Kanade光流跟蹤算法實(shí)現(xiàn)初始階段的目標(biāo)跟蹤，在整個(gè)跟蹤過程中與檢測器并行運(yùn)行。根據(jù)提出的光流逆跟蹤驗(yàn)證算法，結(jié)合歸一化互相關(guān)算法對(duì)跟蹤點(diǎn)進(jìn)行的選擇，并驗(yàn)證跟蹤器的狀態(tài)。⑵檢測器的實(shí)現(xiàn)。級(jí)聯(lián)檢測器的構(gòu)成模塊包括:前景檢測，方差濾波器，集合分類器，模版匹配。主要研究了集合分類器的實(shí)現(xiàn)----基于二元特征的隨機(jī)蕨算法，以及基于重合度測量的模板匹配算法。最后利用非極大值抑制算法得到檢測器最終輸出結(jié)果。⑶分類器的在線