結(jié)合運動矢量和背景信息的加權(quán)壓縮跟蹤算法.pdf

1、目標(biāo)跟蹤是機器視覺領(lǐng)域里十分活躍的研究方向，在人機交互，視頻監(jiān)控，車輛行人跟蹤等領(lǐng)域有著廣泛的應(yīng)用。壓縮感知類跟蹤算法基于壓縮感知理論，因其跟蹤魯棒性較高，運算速度快，能滿足實際應(yīng)用的特點而廣受關(guān)注。本文對壓縮感知跟蹤算法主要工作體現(xiàn)在以下兩個方面。
　　第一，壓縮感知跟蹤算法中如果能夠?qū)δ繕?biāo)的運動信息做到有效分析，將會對目標(biāo)位置的預(yù)測起到關(guān)鍵作用，進而提高目標(biāo)跟蹤的準(zhǔn)確率，并且當(dāng)選擇目標(biāo)特征對分類器進行分類學(xué)習(xí)時，如果能夠?qū)μ崛?/p>

2、到的特征進行篩選，選擇正樣本和負(fù)樣本區(qū)分度較大的特征對分類器進行訓(xùn)練將會大幅增加分類器分類的魯棒性。第二，跟蹤過程中由于往往伴隨著目標(biāo)遮擋，若增加遮擋檢測機制，當(dāng)檢測到目標(biāo)出現(xiàn)遮擋時停止分類器的繼續(xù)學(xué)習(xí)可以避免分類器錯誤的分類，對目標(biāo)的背景信息加以利用將會實現(xiàn)目標(biāo)遮擋后的跟蹤。
　　本文提出一種結(jié)合運動矢量判斷目標(biāo)位置的模型，在跟蹤框架內(nèi)圖像進行超像素分割，對跟蹤目標(biāo)區(qū)域的超像素進行運動矢量編碼統(tǒng)計分析，得到目標(biāo)運動速度和方向的估

3、值，修正候選目標(biāo)的搜索位置，有效降低因跟蹤目標(biāo)移動劇烈或速度過快而導(dǎo)致的跟蹤漂移問題。利用生物視覺系統(tǒng)的focus of attention理論對目標(biāo)特征分塊提取并分配置信權(quán)值，改善樸素貝葉斯分類器在復(fù)雜背景下的分類魯棒性，降低跟蹤框架內(nèi)因相似背景的干擾而導(dǎo)致分類器錯誤分類的情況。增加目標(biāo)檢測機制，當(dāng)目標(biāo)存在嚴(yán)重遮擋時停止學(xué)習(xí)正負(fù)樣本，避免目標(biāo)重新回到畫面后跟蹤丟失的問題。
　　本文提出一種在目標(biāo)遮擋情況下結(jié)合局部背景信息的特征自

4、適應(yīng)選擇的分塊加權(quán)壓縮跟蹤算法。對目標(biāo)特征進行分塊提取，對不同位置塊上的特征賦予不同的權(quán)值，減少跟蹤框架邊緣背景對目標(biāo)跟蹤的干擾；針對目標(biāo)低維空間特征利用Bhattacharyya距離進行自適應(yīng)選擇，放大目標(biāo)與背景區(qū)分度，提高分類器的魯棒性；對邊緣跟蹤塊設(shè)置目標(biāo)檢測機制，當(dāng)檢測到目標(biāo)邊緣塊出現(xiàn)遮擋時，停止目標(biāo)正負(fù)樣本的更新并結(jié)合局部背景信息，對目標(biāo)和局部背景信息進行建模，實現(xiàn)目標(biāo)遮擋后的跟蹤。
　　實驗結(jié)果表明，本文提出的兩種算法