基于詞袋模型的目標(biāo)跟蹤和動作識別算法研究.pdf

1、運動目標(biāo)跟蹤和動作識別是計算機(jī)視覺和模式識別領(lǐng)域的熱點問題。目標(biāo)跟蹤過程中，由于存在視角變化、姿態(tài)變化、尺度變化、光照變化以及遮擋問題等，使得長時間魯棒跟蹤目標(biāo)變得困難;而動作識別過程中，不僅存在外界環(huán)境變化的因素，還有同類動作不存在統(tǒng)一格式、動作在時間維度上難以分割等困難，使得動作識別同樣成為一個具有挑戰(zhàn)性的課題。本文在國內(nèi)外當(dāng)前研究的基礎(chǔ)上，利用“詞袋”模型等相關(guān)理論來解決目標(biāo)跟蹤和動作識別兩類問題，分別提出在線特征稠密采樣的目標(biāo)跟

2、蹤算法和基于時空特征的動作識別算法。
　　第一，本文提出了基于在線特征稠密特征采樣并結(jié)合BOW模型與粒子濾波的算法來處理目標(biāo)跟蹤問題，首先對目標(biāo)區(qū)域及其領(lǐng)域進(jìn)行稠密采樣并進(jìn)行特征描述，得到包含正負(fù)樣本的特征向量集合。其次采用聚類算法構(gòu)建視覺詞典來建立有判別力的目標(biāo)外觀模型。在跟蹤過程中，對候選區(qū)域同樣進(jìn)行稠密采樣并用學(xué)習(xí)得到的視覺詞典進(jìn)行外觀表示。然后計算每個候選區(qū)域與目標(biāo)區(qū)域的似然值并排序。最后在貝葉斯框架下使用最大后驗概率方法

3、實現(xiàn)對目標(biāo)的準(zhǔn)確跟蹤，并對視覺詞典以及目標(biāo)外觀模板進(jìn)行更新。實驗結(jié)果表明，本文算法與當(dāng)前主流跟蹤算法比較，能夠有效處理目標(biāo)快速運動、外觀變化、背景混淆、部分遮擋而導(dǎo)致跟蹤性能下降甚至跟蹤目標(biāo)丟失的問題，同時在海上紅外圖像序列上，本文算法也具有較好的魯棒性。
　　第二，本文提出了一種基于時空特征改進(jìn)并結(jié)合BOW模型的動作識別算法。首先對輸入視頻樣本進(jìn)行關(guān)鍵點檢測并在其領(lǐng)域空間建立多個三維立方體，增加關(guān)鍵點的時空特性，其次對關(guān)鍵點集合