復雜環(huán)境下視頻跟蹤算法研究.pdf

1、視頻跟蹤是計算機視覺領域的一個極具有挑戰(zhàn)性的研究課題，因為真實視頻場景中存在復雜的目標外觀變化，如尺度變化、部分遮擋、3D旋轉、光照變化、目標變形等。為了解決上述復雜環(huán)境導致的跟蹤不理想問題，論文在深入分析一些經(jīng)典的基于判別模型的視頻跟蹤算法的基礎上，提出了三種不同的視頻跟蹤方法。論文的主要工作和創(chuàng)新之處在于:
　　1.首次將排序學習算法——排序向量SVM（RV-SVM）引入視頻跟蹤領域，提出了一種基于RV-SVM的視頻跟蹤算法。

2、該算法利用稀疏隨機矩陣提取樣本的多尺度特征，通過Median-Flow跟蹤算法估計目標在下一幀中位置以及構建訓練樣本集，最后，在線訓練RV-SVM算法，將目標和背景分開。該算法能夠有效的處理目標尺度變化、部分遮擋、光照變化、3D旋轉以及目標快速移動等問題。
　　2.利用分治的算法思想，提出了一種分塊的循環(huán)矩陣跟蹤算法。該算法將目標進行分塊處理，對每個子目標分別進行循環(huán)矩陣跟蹤。對于每個子目標的跟蹤結果，賦予不同的置信度，根據(jù)這些子

3、目標跟蹤結果及置信度得到目標的真實位置。該算法能夠解決循環(huán)矩陣跟蹤算法在同時遇到目標姿態(tài)快速變化、尺度變化和嚴重遮擋等復雜的情況時，容易丟失目標這一問題。
　　3.提出了一個基于對數(shù)似然圖像的尺度自適應跟蹤算法。該算法首先構建對數(shù)似然圖像，在對該圖像進行數(shù)學形態(tài)學處理之后，再進行橢圓擬合，并估算目標的尺寸，根據(jù)新的目標尺寸，更新Mean-Shift算法的核函數(shù)窗口和樣本數(shù)量。算法簡單有效，能夠解決目標跟蹤中的尺度和旋轉問題。