基于局部與非局部相似性學習的目標跟蹤算法研究.pdf

1、視頻目標跟蹤是計算機視覺中非常重要的課題之一，在視頻監(jiān)控、人機交互、交通控制和運動分析等領域有著廣泛的應用。盡管目標跟蹤在過去的幾十年里取得了很大的發(fā)展，但是由于一些挑戰(zhàn)性因素的存在，使得穩(wěn)定準確地跟蹤視頻目標依然是個困難的任務。在這一背景下，本文的主要工作是基于局部與非局部相似性學習的目標跟蹤算法研究，本文的主要貢獻包括:
　　(1)提出了一種基于局部的自適應權重多特征融合的核相關濾波目標跟蹤算法。為了充分利用目標不同部分的局部

2、信息，本文用核相關濾波器來訓練每一個局部的模板圖像塊，并且在粒子濾波的框架下，對每一個粒子的每一個局部圖像塊設置自適應的權重。實驗證明這個策略可以有效處理遮擋問題。另外融合了HOG特征和顏色特征來學習目標和背景、模板和候選樣本之間的相關性，增強了算法的性能。在標準測試集上的實驗結果優(yōu)于一些先進目標跟蹤算法。
　　(2)提出了基于非局部相似性學習的目標跟蹤算法。局部或者全局的特征表示已經廣泛應用在目標跟蹤領域。然而，大多數(shù)特征表示都

3、是在一個固定網(wǎng)格布局中描述目標外觀，而不考慮網(wǎng)格之間的相互關系，因此會影響算法在目標大尺度表觀變化時的性能。本文中，我們學習了一個相似性函數(shù)，既考慮了來自相同空間位置網(wǎng)格中特征的相關性，也考慮了不同空間位置網(wǎng)格中特征的相互作用，形成對目標表觀非局部信息的描述。具體地，本文設計了多項式核特征圖來表達目標和背景之間所有“網(wǎng)格對”的非局部信息，并聯(lián)合這些特征圖作為對目標的特征表示。另外，本文訓練了一個在線更新的線性邏輯回歸分類器，并把分類器融