基于判別式表觀模型的目標(biāo)跟蹤算法研究.pdf

1、近年來,由于視頻跟蹤技術(shù)極為廣闊的市場(chǎng)應(yīng)用前景,目標(biāo)跟蹤算法受到越來越多的研究者們的關(guān)注。視覺目標(biāo)跟蹤的關(guān)鍵在于尋找適合的目標(biāo)表觀描述方法,提取有效的表觀特征,并在周圍背景變化、目標(biāo)形變或遮擋情況下具有較強(qiáng)的魯棒性。本文將中層視覺特征-超像素作為圖像描述的基本單元,并將多尺度超像素融入判別式表觀模型的目標(biāo)跟蹤框架中,將目標(biāo)跟蹤問題轉(zhuǎn)換為一個(gè)區(qū)別目標(biāo)與背景的分類問題,該方法可以有效的克服背景與目標(biāo)特征相近等情況,提高目標(biāo)跟蹤的精度與魯棒性

2、。具體來說,本文展開了以下三方面的研究:
　　首先,當(dāng)前的判別式表觀模型主要是基于像素點(diǎn)建立的,盡管通過訓(xùn)練得到的判別式表觀模型能夠在一定程度上區(qū)別背景與前景,但是基于每個(gè)像素點(diǎn)的特征表達(dá)具有一定的局限性。由于圖像處理單元的可判別性很大程度上決定了該類方法的性能,因此本文引入富含語義描述信息的中層視覺特征-超像素,在預(yù)處理階段先進(jìn)行超像素分割,并將其作為圖像基本描述單元,從而獲得比像素更高的判別性。
　　其次,由于不同尺度的

3、超像素具有的特征顯著性不同,本文提出了一種融合多尺度超像素的判別式目標(biāo)跟蹤方法,該方法將超像素作為圖像處理的基本單元,訓(xùn)練Adaboost分類器,建立判別式的表觀模型,把跟蹤問題轉(zhuǎn)化為以超像素為單位的兩類判別問題。在目標(biāo)跟蹤過程中,建立融合多尺度超像素特征信息的置信圖,基于變尺度meanshift算法定位目標(biāo),跟蹤結(jié)果返回用于在線更新基于多尺度超像素的判別式表觀模型。
　　最后,本文搭建了融合多尺度超像素的判別式跟蹤模型,針對(duì)一系