基于時空上下文的視頻目標(biāo)跟蹤算法研究.pdf

1、本文對基于時空上下文的目標(biāo)跟蹤算法進行了研究。時空間上下文跟蹤算法通過分析目標(biāo)周圍空間上下文對跟蹤目標(biāo)進行定位。本文所研究的算法是一種快速的基于稠密時空間上下文（Spatio-temporal Context，STC）跟蹤算法，STC采用貝葉斯框架，將跟蹤目標(biāo)及其周圍區(qū)域的特征轉(zhuǎn)換為統(tǒng)計學(xué)的相關(guān)關(guān)系，使跟蹤問題變成計算置信圖中的最大置信值點。在時空間上下文建模過程中，通過FFT來進行快速學(xué)習(xí)與檢測，極大的減少了算法的復(fù)雜度，具有很高的實

2、時性及較好的魯棒性。但是仍然存在一些問題：
　?、賁TC和大多數(shù)采用貝葉斯框架的跟蹤算法一樣，會對每幀跟蹤結(jié)果進行平均，一定程度上增加干擾因素對跟蹤模型的影響，同時STC對當(dāng)前幀跟蹤結(jié)果不加判斷的學(xué)習(xí)，如遮擋時會學(xué)習(xí)遮擋物的特征，學(xué)習(xí)過多的錯誤特征會使跟蹤模型不夠精準(zhǔn)，影響后續(xù)跟蹤。
　?、赟TC對空間上下文信息采取同等對待的方式，空間上下文的權(quán)重分配僅取決于離目標(biāo)中心的距離，這種處理方式無法很好的利用對跟蹤有效的信息，而且

3、會增加錯誤信息對跟蹤結(jié)果的干擾。
　　本文針對STC存在的上述問題進行研究，提出了幾點改進方法，研究內(nèi)容及成果如下：
　?、賹TC算法單模板結(jié)構(gòu)進行改進，STC采用線性結(jié)構(gòu)導(dǎo)致跟蹤模板容易累計誤差，提出使用多模板來進行跟蹤。通過比較多個模板對跟蹤幀的適應(yīng)程度，選擇合適的模板來進行跟蹤學(xué)習(xí)。同時對幀跟蹤效果進行判斷，去掉干擾信息過多的幀，使模板不會學(xué)習(xí)到錯誤的跟蹤結(jié)果，提升跟蹤效果。
　?、趯TC空間上下文權(quán)重分配進