基于級聯(lián)檢測的相關濾波跟蹤算法研究

1、基于級聯(lián)檢測的相關濾波跟蹤算法研究基于級聯(lián)檢測的相關濾波跟蹤算法研究目標跟蹤技術是計算機視覺領域中的重要研究課題。目標跟蹤是對視頻序列圖像幀進行檢測、分類和分析，通過計算圖像幀中所標定目標在每一幀圖像上的二維坐標位置，然后將連續(xù)圖像幀的同一目標所處位置連接起來，得到運動目標運動軌跡。目標跟蹤在人機交互、機器人、無人駕駛以及智能監(jiān)控等[1]領域有非常重要的研究價值。在目標跟蹤算法中，模型實現(xiàn)跟蹤的思想大都是基于trackingbydete

2、ction框架[2]，將目標跟蹤問題看成檢測問題，然后對檢測到的目標建模。Kalal.Z等人提出的TLD[3]傳統(tǒng)跟蹤算法，模型采用光流法和檢測算法，同時，采用跟蹤器與檢測器并行更新的方式實現(xiàn)目標跟蹤，但TLD受限于基準濾波器和分類檢測器的能力，對目標再現(xiàn)和旋轉較為敏感?；谂袆e式模型的思想是將跟蹤問題看成一個二元分類問題，找到能夠區(qū)分目標和背景的最優(yōu)分類決策，最大程度地將目標區(qū)域與非目標區(qū)域標記并分類，從而實現(xiàn)對候選區(qū)域中目標的判定，

3、ZhangK等人將壓縮感知引入到目標跟蹤中CT[4]，同時利用稀疏測量矩陣進行特征提取并建立目標表示模型，其跟蹤速度達到64FPS；HareS等人基于結構化輸出SVM提出了目標跟蹤算法Struck[5]，同時利用核化的SVM直接輸出結果，滿足實時性要求；基于判別式模型的目標跟蹤算法性能主要取決于分類器的判別性，其中α是系數(shù)，表示的是原空間到希爾伯特（Hilbert）特征空間的映射。采用核函數(shù)求解目標函數(shù)，達到提高濾波器的效果。其中，x是

4、更新累積樣本。根據(jù)文獻[7]的理論推導，采用正則化最小二乘（RLS）分類器模型同時利用核函數(shù)，將原濾波器目標函數(shù)改寫成：⑶因此，公式⑸可以利用循環(huán)矩陣可對角化的性質和傅里葉變換，通過核化正則最小二乘法（RLSC）得到最優(yōu)解：⑷其中核函數(shù)采用的是高斯核，計算公式為：⑸在新一幀圖像輸入中，獲得新的候選窗口圖像塊z進行目標檢測，分類器的輸出響應計算值為：⑹從公式⑿中，可以看出，相關濾波應用于跟蹤中，僅需更新優(yōu)化目標函數(shù)中的濾波器參數(shù)α和累計樣