模擬人類視覺機制的視覺跟蹤算法研究與實現(xiàn).pdf

1、視覺跟蹤，是一個根據(jù)給定外觀模型在圖像序列中定位目標的實時系統(tǒng)。作為最重要的計算機視覺任務(wù)之一，視覺跟蹤有著廣泛的應(yīng)用領(lǐng)域，包括交通、導航、生態(tài)、安防、軍事、體育、機器人等。
　　盡管研究視覺跟蹤的算法種類繁多，模擬人類視覺機制并達到與人類視覺相媲美的視覺跟蹤系統(tǒng)依然是充滿挑戰(zhàn)而又有前途的研究課題。本文從生物視覺的角度出發(fā)，提出兩個新的視覺跟蹤算法。第一個算法根據(jù)壓縮感知理論，將稀疏表示應(yīng)用于Lucas-Kanade圖像配準框架。

2、目標的外觀模型由過完備字典的稀疏表示。通過最小化校準誤差的ι1范數(shù)來求解目標的狀態(tài)參數(shù)，從而實現(xiàn)對目標的準確跟蹤。目標的過完備字典可以用每一幀的跟蹤結(jié)果在線更新。為了解決由于動態(tài)字典不斷更新造成的跟蹤漂移問題，采用兩階段迭代機制。第一階段采用動態(tài)字典來搜索目標，而第二階段則在第一階段得出的結(jié)果附近采用靜態(tài)模板再一次搜索。通過仿真實驗，說明本算法具有速度快，跟蹤長視頻魯棒性高的特點。
　　算法一盡管有很好的跟蹤效果，但不能反映人類跟

3、蹤目標的全部。因為人在跟蹤目標的時候不僅僅是匹配目標的特征，還有著強大的識別能力。為了模擬人類視覺機制，本文提出了第二個視覺跟蹤算法BIOT。該算法使用了生物激勵模型（BIM）來表示目標外觀，提出一個完整的BIM模擬視覺皮質(zhì)機制，包括初級視覺皮質(zhì)和高級視覺皮質(zhì)。利用來自初級視覺皮質(zhì)的子塊特征搜索目標的位置；并且使用SVM分類器模擬高級視覺皮質(zhì)能夠很好的區(qū)分目標和背景。為了克服抽取BIM特征時帶來的巨大時間開銷，本文提出適用于BIM的迭代