基于數(shù)據(jù)驅(qū)動(dòng)的視覺(jué)跟蹤算法研究.pdf

1、視覺(jué)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要課題。面對(duì)跟蹤過(guò)程中來(lái)自自然場(chǎng)景多種復(fù)雜變化的干擾，當(dāng)前視覺(jué)跟蹤算法由于其普遍采用的模型驅(qū)動(dòng)模式的固有缺陷，算法的準(zhǔn)確性和魯棒性與實(shí)際應(yīng)用需求還有較大差距。
　　分析了基于模型驅(qū)動(dòng)的視覺(jué)跟蹤算法框架，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)視覺(jué)跟蹤各階段由模型生成的數(shù)據(jù)對(duì)于外在的場(chǎng)景變化和內(nèi)在的目標(biāo)形變有直接體現(xiàn)，以此為基礎(chǔ)，研究了數(shù)據(jù)驅(qū)動(dòng)在視覺(jué)跟蹤中的可行性和實(shí)現(xiàn)方法，區(qū)別于模型驅(qū)動(dòng)中數(shù)據(jù)的被動(dòng)模式，數(shù)據(jù)驅(qū)動(dòng)方式利用數(shù)據(jù)流

2、對(duì)系統(tǒng)當(dāng)前狀態(tài)的反映，通過(guò)定義一系列基于基本數(shù)據(jù)流的質(zhì)量指標(biāo)，為模型構(gòu)建和更新提供真實(shí)可靠的判斷依據(jù)，通過(guò)模型驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)的結(jié)合，實(shí)現(xiàn)跟蹤模型對(duì)復(fù)雜變化的動(dòng)態(tài)調(diào)整，從而提高跟蹤算法性能。
　　以基于中層特征的視覺(jué)跟蹤算法為研究對(duì)象，實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)與模型驅(qū)動(dòng)相結(jié)合的視覺(jué)跟蹤算法。
　　從局部特征的自適應(yīng)選擇角度出發(fā)，針對(duì)傳統(tǒng)特征選擇算法基于歷史幀的信息滯后問(wèn)題，提出了基于當(dāng)前幀信息的自適應(yīng)子塊選擇的跟蹤算法ASST。在ASS

3、T中用于表觀描述的子塊在跟蹤過(guò)程中根據(jù)判別性和唯一性進(jìn)行篩選，動(dòng)態(tài)組合參與目標(biāo)定位。實(shí)驗(yàn)證明ASST的自適應(yīng)子塊選擇機(jī)制有效避開(kāi)了跟蹤中不利于目標(biāo)定位的區(qū)域，保證了跟蹤結(jié)果的準(zhǔn)確性和應(yīng)對(duì)長(zhǎng)時(shí)遮擋和局部形變的魯棒性。
　　從特征權(quán)重和學(xué)習(xí)率的自適應(yīng)調(diào)整的角度出發(fā)，針對(duì)特征選擇潛在的描述信息過(guò)少問(wèn)題和模板更新階段的動(dòng)態(tài)性缺乏問(wèn)題，提出了自適應(yīng)權(quán)重的動(dòng)態(tài)表觀跟蹤算法AAMT。AAMT將ASST中子塊是否參與目標(biāo)定位的“硬閾值”改為以可變