基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤方法研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域一個(gè)基礎(chǔ)而關(guān)鍵的問題，其中如何能夠在各種復(fù)雜的條件下，對(duì)目標(biāo)進(jìn)行長(zhǎng)期穩(wěn)定的跟蹤研究受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。為了從根本上解決運(yùn)動(dòng)目標(biāo)遮擋，環(huán)境光照變化，目標(biāo)外觀變化，目標(biāo)運(yùn)動(dòng)速度過(guò)快等復(fù)雜情況下的目標(biāo)跟蹤問題，本文采用一種最近流行的目標(biāo)跟蹤框架，將目標(biāo)檢測(cè)，目標(biāo)更新與標(biāo)準(zhǔn)的目標(biāo)跟蹤算法結(jié)合。本文以此為基礎(chǔ)進(jìn)行基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤方法研究，并通過(guò)實(shí)驗(yàn)驗(yàn)證了方法的有效性。
　　本文首先介紹了隨機(jī)蕨叢算法，

2、闡述了隨機(jī)蕨叢算法作為目標(biāo)分類器在長(zhǎng)期目標(biāo)跟蹤問題中的作用。接著選擇經(jīng)典的Lucus-Kanade光流法去解決目標(biāo)跟蹤問題。為了提高跟蹤結(jié)果的置信度，加入雙向一致性誤差過(guò)濾，并通過(guò)中值跟蹤選擇可靠的跟蹤點(diǎn)估計(jì)目標(biāo)的位置。實(shí)驗(yàn)顯示該算法在目標(biāo)存在遮擋，快速運(yùn)動(dòng)和外觀變化等情況下，出現(xiàn)跟蹤失敗的問題。于是，針對(duì)跟蹤失敗后，跟蹤算法無(wú)法重新初始化問題，提出在跟蹤過(guò)程中加入目標(biāo)檢測(cè)的方法，即加入基于隨機(jī)蕨叢的目標(biāo)檢測(cè)器。實(shí)驗(yàn)顯示該方法解決了目標(biāo)

3、遮擋和快速運(yùn)動(dòng)情況下跟蹤失敗后的重新初始化問題，但由于目標(biāo)檢測(cè)器可以對(duì)目標(biāo)的位置重新初始化，很可能加大雙向一致性誤差，導(dǎo)致跟蹤器失效，并且同時(shí)存在目標(biāo)外觀變化的問題，導(dǎo)致檢測(cè)器無(wú)法重新檢測(cè)到目標(biāo)的位置，以致跟蹤提前結(jié)束。
　　最后，本文提出了基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤的完整框架和總體流程，針對(duì)目標(biāo)在跟蹤過(guò)程中的外觀變化問題，引入目標(biāo)模型更新方法，解決了目標(biāo)跟蹤過(guò)程中存在的外觀變化導(dǎo)致跟蹤失敗的問題。并且給出了目標(biāo)跟蹤的評(píng)價(jià)指標(biāo)。實(shí)