基于局部外觀模型的目標跟蹤方法研究.pdf

1、目標跟蹤是計算機視覺領(lǐng)域研究方向中的一個重要方面，它以跟蹤目標物體在視頻的每一幀中所呈現(xiàn)出的外觀和運動狀態(tài)的變化為主要目的。本文對目標跟蹤領(lǐng)域的經(jīng)典理論和算法進行了總結(jié)，重點分析了目標跟蹤任務(wù)中的挑戰(zhàn)、有代表性的跟蹤方法，以及目標跟蹤領(lǐng)域發(fā)展的歷程和近年來的發(fā)展趨勢。在此基礎(chǔ)上，本文提出了兩種基于局部外觀模型的目標跟蹤方法，即基于結(jié)構(gòu)化局部稀疏表示外觀模型的自適應(yīng)跟蹤方法和基于在線多核學(xué)習的子塊目標跟蹤。
　　本文首先在生成模型的

2、框架下引入局部外觀模型，提出了簡單而有效的基于結(jié)構(gòu)化局部稀疏表示的外觀模型。通過對目標上的局部圖像塊進行稀疏編碼，然后將得到的編碼系數(shù)進行平均化和對齊匯聚操作，來充分利用目標的空間結(jié)構(gòu)和局部信息。這樣可以找到目標上那些表現(xiàn)穩(wěn)定、外觀變化小的局部模式，利用它們來實現(xiàn)跟蹤器對目標的魯棒跟蹤。此外，本文還提出了基于稀疏編碼和增量子空間學(xué)習方法的更新策略，使得跟蹤器可以自適應(yīng)地捕捉目標的外觀變化，并減小錯誤定位和遮擋帶來的誤更新。
　　本

3、文還在判決模型的框架下引入局部外觀模型，提出了一種新的基于多核學(xué)習算法的子塊目標跟蹤方法。針對視頻跟蹤任務(wù)中幀與幀之間的時間連續(xù)性，本文對原始多核學(xué)習方法進行了改進，提出了在線多核學(xué)習方法并將其用于多個子快上來實現(xiàn)對目標的表示，這樣可以自適應(yīng)的融合多個子塊的判別能力，獲得具有更強前景背景區(qū)分能力的分類器。為了進一步增強方法的魯棒性，本文方法使用具有互補性質(zhì)的兩種特征來對子塊進行描述，使得對目標的表示更加豐富和充分。之后，針對每一種特征訓(xùn)