基于視覺顯著性的兩階段采樣跟蹤算法.pdf

1、目標(biāo)跟蹤是計算機視覺領(lǐng)域一項富有挑戰(zhàn)性的工作?，F(xiàn)實場景的復(fù)雜、目標(biāo)自身的外觀變化和目標(biāo)運動的不確定性都給目標(biāo)跟蹤工作帶來很大的困難。一個魯棒性的跟蹤算法，不僅需要構(gòu)建具有判別力的外觀模型，還需要設(shè)計一個好的目標(biāo)搜索策略來預(yù)測目標(biāo)的運動趨勢。本文重點關(guān)注目標(biāo)發(fā)生運動突變這一跟蹤領(lǐng)域的技術(shù)難點，對構(gòu)建魯棒性跟蹤算法進行探索和研究。
　　針對復(fù)雜場景下的運動突變目標(biāo)跟蹤問題，本文首先從視覺顯著性檢測領(lǐng)域?qū)ふ覟槿炙阉魈峁┫闰灥撵`感，設(shè)計

2、了基于視覺顯著性的Wang Landau蒙特卡羅采樣(WLMC)算法;在此基礎(chǔ)上，結(jié)合交互式馬爾可夫蒙特卡羅(IMCMC)算法，設(shè)計兩階段采樣模型來提高目標(biāo)搜索的精確性。具體研究成果及創(chuàng)新之處如下:
　　1、提出了基于視覺顯著性的WLMC跟蹤算法
　　算法首先對全局場景進行分塊獲取子區(qū)域，然后將視覺顯著性信息引入到WLMC跟蹤框架中，通過為每個子區(qū)域設(shè)置顯著性值，并設(shè)計結(jié)合顯著性先驗的接受函數(shù)，來引導(dǎo)馬爾可夫鏈的構(gòu)造，避免W

3、LMC進行全局采樣的盲目性，從而準(zhǔn)確捕獲運動突變目標(biāo)。
　　2、提出了基于視覺顯著性的兩階段采樣跟蹤算法
　　為了更好地兼顧突變運動和平滑運動兩種運動形式，本文提出了基于視覺顯著性的兩階段采樣跟蹤算法。算法在第一階段設(shè)計了判別機制來對目標(biāo)運動類型進行判別;第二階段則根據(jù)判別結(jié)果采用相應(yīng)算法:突變運動采用基于視覺顯著性的WLMC算法，平滑運動采用交互式馬爾可夫鏈蒙特卡羅(IMCMC)算法，以此完成目標(biāo)跟蹤，提高算法的魯棒性。<