基于半監(jiān)督學習的目標跟蹤方法研究.pdf

1、目標跟蹤是計算機視覺領(lǐng)域的重要研究方向之一，它與模式識別、機器學習、圖像處理等眾多領(lǐng)域息息相關(guān)。根據(jù)跟蹤算法中是否含有預測機制，目標跟蹤算法可以分為目標檢測算法和目標跟蹤算法。目標檢測主要用來提取圖像中的前景目標，但是，隨著計算機的計算能力與存儲能力的大幅度增強，用檢測算法進行目標跟蹤也成為一個重要的發(fā)展方向。
　　本文對檢測算法在目標跟蹤里的應用進行了深入研究。針對目標跟蹤過程中的背景雜亂、遮擋以及光照變化等情況，設計了一種多層

2、級聯(lián)分類器，并且利用LK光流算法進行目標運動范圍預測，增加算法的運行速度。本文的主要研究內(nèi)容和貢獻如下:
　　首先，設計了一種級聯(lián)分類器，分別由方差濾波、隨機森林分類器、模板匹配和聚類分析四個模塊組成。級聯(lián)檢測器的基本處理對象是圖像塊，由滑動窗口搜索處理獲得。其中，各個模塊實現(xiàn)的功能如下:(1)方差濾波是一種灰度均勻性檢測算法，能快速濾除背景圖像塊;(2)隨機森林分類器使用簡單的二值特征檢測圖像塊，用以加快算法的運行速度;(3)模

3、板匹配對圖像塊進一步進行精細處理，將圖像塊與目標模板進行逐像素匹配，得到圖像塊的最終分類標簽;(4)聚類分析對通過模板匹配的圖像塊進行融合處理，得到目標在當前幀的最終位置。
　　其次，算法增加了學習模塊，使跟蹤算法能夠適應目標被全遮擋以及目標短暫地走出視野等特殊情況。學習模塊主要有兩個功能:(1)對輸出結(jié)果進行再一次判斷，更正被錯誤分類的圖像塊;(2)將更正后的圖像塊作為訓練集，重新訓練級聯(lián)分類器，并更新目標模板。并且我們設計了一

4、個模板更新策略，設置了一個限制閾值，用來減少模板匹配的耗費時間。
　　最后，本文加入了LK光流算法對搜索范圍進行預先估計，以減少全圖搜索所帶來的開銷。LK光流算法以前一幀的結(jié)果做為起點，預測目標在當前幀的范圍，從而減少算法在每一幀運行的時間。
　　為了驗證我們所建議的目標跟蹤算法有有效性，我們在多個測試序列上進行實驗。實驗結(jié)果表明:基于半監(jiān)督學習的目標跟蹤算法能很好的處理背景雜亂、遮擋等異常情況，跟蹤性能表現(xiàn)優(yōu)于現(xiàn)有的經(jīng)典目