基于循環(huán)核矩陣的自適應目標跟蹤算法研究.pdf

1、隨著社會的不斷進步，科學技術的發(fā)展在當今社會已經顯得越來越重要，科技的發(fā)展程度代表一個國家的綜合實力。計算機視覺正是科學技術的一個重要領域，與人們的生活息息相關，是人們生活不可或缺的一部分。同時，計算機視覺廣泛的應用于人機互動、導彈制導、交通安全等各個領域，得到了學術界和企業(yè)界的極大關注。其中，視頻目標跟蹤技術是計算機視覺領域的一個重要方面，也是計算機視覺能夠應用到以上等領域的前提。
　　對視頻中的目標進行跟蹤的算法，目前有經典的

2、MeanShift跟蹤算法、改進的具有自適應性的CamShift目標跟蹤算法，以及當前較新的且效果也較好的具有自適應性的基于時空上下文的目標跟蹤算法和基于核的循環(huán)結構的邊檢測邊跟蹤算法。雖然，以上算法都取得了較好的實驗效果，但在一定程度上并不能非常好的自適應目標大小的變化。
　　MeanShift算法是一種均值漂移算法，具有計算簡單，運算速度較快，對少量遮擋、旋轉、形變都不敏感的特點。但跟蹤窗口不能自適應目標大小變化，當目標運動速

3、度較快時，跟蹤易丟失。CamShift算法改進了MeanShift算法的不足，實現(xiàn)了目標的自適應性。但在背景顏色與目標顏色相近時，也易出現(xiàn)跟蹤錯誤的現(xiàn)象?；跁r空上下文的目標跟蹤算法充分利用了目標與周圍環(huán)境的空間關系，同時對空間關系進行實時更新，具有在嚴重遮擋的情況下也可有效的實現(xiàn)跟蹤，運行速度快的特點。基于核的循環(huán)結構的邊檢測邊跟蹤算法采樣充分，跟蹤效果較好，能適應部分遮擋的情況，且跟蹤速度很快。但其無法適應自適應目標大小變化的要求。

4、
　　本文針對自適應問題提出了一種基于循環(huán)核矩陣的自適應目標跟蹤算法。采用了分類效果近似支持向量機的正則化最小二乘法的分類模型。通過尋找最小二乘法的隱式解而找到目標的最終位置。算法首先通過人工標注的方式，找到目標所在區(qū)域，并設置相應的感興趣區(qū)域，再對感興趣的區(qū)域盡可能多的采樣，以致所有的樣本可以構成一個循環(huán)矩陣結構，進而可以通過高斯核函數(shù)以構成循環(huán)核矩陣。在這里為了解決樣本太多，計算量大的問題，將已經成熟的循環(huán)矩陣與傅里葉變換建立