基于隨機森林的視覺跟蹤算法研究及應用.pdf

1、視覺目標跟蹤是計算機視覺領域的一個重要研究方向，在智能監(jiān)控、人機交互、機器人導航和基于運動的行為識別等領域有著廣泛的應用前景。因此，視覺目標跟蹤是一個理論研究與實際應用密切結(jié)合的領域。
　　 本文主要研究基于自適應目標表觀模型的視覺跟蹤。首先對經(jīng)典的和新近的研究工作進行了總結(jié)，然后提出了兩種基于隨機森林學習算法的視覺目標跟蹤方法。它們將視覺跟蹤看作目標與背景的二類分類問題，通過分類器的在線更新以適應目標表觀的變化，達到在復雜環(huán)境

2、下對目標的穩(wěn)健跟蹤。
　　 論文首先提出了基于隨機森林的實時集成跟蹤算法。它提取目標與鄰域背景的像素級特征建立初始的隨機森林分類器;在后續(xù)幀中，將上述分類器的輸出作為置信圖，采用MeanShift算法對目標進行定位;在跟蹤過程中對森林中每棵樹的分類能力進行評價，用新訓練的隨機樹替換原森林中分類能力顯著下降的那些樹。由于隨機森林算法具有噪聲不敏感特性，所以上述跟蹤算法的穩(wěn)健性明顯優(yōu)于基于AdaBoost的集成跟蹤算法，并且有較好的

3、實時性，為工程應用提供了一種可選方案。
　　 接著，本文提出了一種增量式隨機森林算法，可應用于訓練數(shù)據(jù)分批到來的場景。采用在線Bagging模擬Bootstrap過程，并給出了隨機樹在線生長的方法。在人工合成和實際數(shù)據(jù)集中對上述增量算法進行了測試，其分類正確率接近離線的隨機森林算法，且優(yōu)于在線Boosting算法。本文將上述增量隨機森林作為鑒別型表觀模型應用于視覺目標跟蹤，在跟蹤過程中提取新的正/負樣本不斷更新分類器。跟蹤算法采

4、用粒子濾波框架進行，分類器的輸出作為每個粒子的權重，并通過計算粒子狀態(tài)空間分布的不確定性(Spatialuncertainty)對多個特征進行在線融合。詳細的對比實驗表明上述跟蹤算法在目標表觀變化和復雜背景情況下具有較好的穩(wěn)健性，性能不弱于幾種經(jīng)典的和最近提出的跟蹤算法。
　　 最后，論文報道了基于集成跟蹤的PTZ攝像機主動跟蹤系統(tǒng)，給出了攝像機Pan/Tilt/Zoom的控制方法。通過目標檢測、膚色驗證和集成跟蹤相結(jié)合的方式對