基于級聯(lián)檢測的相關(guān)濾波跟蹤算法研究

1、基于級聯(lián)檢測的相關(guān)濾波跟蹤算法研究基于級聯(lián)檢測的相關(guān)濾波跟蹤算法研究目標(biāo)跟蹤技術(shù)是計算機(jī)視覺領(lǐng)域中的重要研究課題。目標(biāo)跟蹤是對視頻序列圖像幀進(jìn)行檢測、分類和分析，通過計算圖像幀中所標(biāo)定目標(biāo)在每一幀圖像上的二維坐標(biāo)位置，然后將連續(xù)圖像幀的同一目標(biāo)所處位置連接起來，得到運(yùn)動目標(biāo)運(yùn)動軌跡。目標(biāo)跟蹤在人機(jī)交互、機(jī)器人、無人駕駛以及智能監(jiān)控等[1]領(lǐng)域有非常重要的研究價值。在目標(biāo)跟蹤算法中，模型實現(xiàn)跟蹤的思想大都是基于trackingbydete

2、ction框架[2]，將目標(biāo)跟蹤問題看成檢測問題，然后對檢測到的目標(biāo)建模。Kalal.Z等人提出的TLD[3]傳統(tǒng)跟蹤算法，模型采用光流法和檢測算法，同時，采用跟蹤器與檢測器并行更新的方式實現(xiàn)目標(biāo)跟蹤，但TLD受限于基準(zhǔn)濾波器和分類檢測器的能力，對目標(biāo)再現(xiàn)和旋轉(zhuǎn)較為敏感?；谂袆e式模型的思想是將跟蹤問題看成一個二元分類問題，找到能夠區(qū)分目標(biāo)和背景的最優(yōu)分類決策，最大程度地將目標(biāo)區(qū)域與非目標(biāo)區(qū)域標(biāo)記并分類，從而實現(xiàn)對候選區(qū)域中目標(biāo)的判定，

3、ZhangK等人將壓縮感知引入到目標(biāo)跟蹤中CT[4]，同時利用稀疏測量矩陣進(jìn)行特征提取并建立目標(biāo)表示模型，其跟蹤速度達(dá)到64FPS；HareS等人基于結(jié)構(gòu)化輸出SVM提出了目標(biāo)跟蹤算法Struck[5]，同時利用核化的SVM直接輸出結(jié)果，滿足實時性要求；基于判別式模型的目標(biāo)跟蹤算法性能主要取決于分類器的判別性，其中α是系數(shù)，表示的是原空間到希爾伯特（Hilbert）特征空間的映射。采用核函數(shù)求解目標(biāo)函數(shù)，達(dá)到提高濾波器的效果。其中，x是

4、更新累積樣本。根據(jù)文獻(xiàn)[7]的理論推導(dǎo)，采用正則化最小二乘（RLS）分類器模型同時利用核函數(shù)，將原濾波器目標(biāo)函數(shù)改寫成：⑶因此，公式⑸可以利用循環(huán)矩陣可對角化的性質(zhì)和傅里葉變換，通過核化正則最小二乘法（RLSC）得到最優(yōu)解：⑷其中核函數(shù)采用的是高斯核，計算公式為：⑸在新一幀圖像輸入中，獲得新的候選窗口圖像塊z進(jìn)行目標(biāo)檢測，分類器的輸出響應(yīng)計算值為：⑹從公式⑿中，可以看出，相關(guān)濾波應(yīng)用于跟蹤中，僅需更新優(yōu)化目標(biāo)函數(shù)中的濾波器參數(shù)α和累計樣