基于判別式表觀模型的目標跟蹤算法研究.pdf

1、近年來,由于視頻跟蹤技術極為廣闊的市場應用前景,目標跟蹤算法受到越來越多的研究者們的關注。視覺目標跟蹤的關鍵在于尋找適合的目標表觀描述方法,提取有效的表觀特征,并在周圍背景變化、目標形變或遮擋情況下具有較強的魯棒性。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跟蹤框架中,將目標跟蹤問題轉(zhuǎn)換為一個區(qū)別目標與背景的分類問題,該方法可以有效的克服背景與目標特征相近等情況,提高目標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,當前的判別式表觀模型主要是基于像素點建立的,盡管通過訓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,但是基于每個像素點的特征表達具有一定的局限性。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,在預處理階段先進行超像素分割,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跟蹤方法,該方法將超像素作為圖像處理的基本單元,訓練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,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,針對一系