基于在線學習的視頻跟蹤研究.pdf

1、視頻跟蹤是計算機視覺領域的一個重要研究方向，它融合了模式識別、圖像處理、圖像表征和計算機應用等相關領域的研究成果和先進技術，在智能監(jiān)控、交通管制、人工交互、軍事精確武器制導和工業(yè)控制等領域都有廣泛的應用，具有十分重要的研究價值和實用意義。本文對視頻跟蹤算法進行了一些有益的研究和探索，并針對視頻跟蹤領域的長時跟蹤和自適應恢復問題，進行了深入地研究，主要的工作如下:
　　1.詳細研究了基于KLT特征點的跟蹤算法，并針對目標運動較大時，

2、算法不能繼續(xù)跟蹤目標，將其擴展到多尺度圖像空間中，通過構建高斯圖像金字塔跟蹤特征點。同時，引入一種新的錯誤判別標準-雙向誤差，對特征點進行篩選，大大提高的跟蹤算法中特征點的精確性，最后使用Greedy貪婪算法對目標位置進行收斂，實驗結(jié)果表明此方法的有效性。
　　2.將一元化模式的跟蹤擴展到二元分類問題，提出支持在線學習的增量式隨機森林分類器，可有效處理視頻跟蹤這類小樣本數(shù)據(jù)流的問題，在線構造分類器，并通過順序得到的樣本對分類器進行

3、在線更新，從而適應目標運動過程中的不斷變化，并基于這些變化對分類器樹結(jié)構進行修剪。通過對跟蹤視頻的分類準確率和召回率進行定量統(tǒng)計表明，基于在線學習的分類器模型在復雜環(huán)境下具有很好的準確性和穩(wěn)定性。
　　3.針對目標的長時跟蹤以及跟蹤過程的自適應恢復問題，提出了基于雙向光流和在線學習的跟蹤算法，算法通過基于位移權重的掃描方法提取窗口樣本，并使用結(jié)構約束集對目標運動變化進行約束和學習，提取目標運動過程中的關鍵幀構建目標的觀測模型和運動