基于自適應分塊和在線判別式分類器的單目標跟蹤技術研究.pdf

1、基于視頻的單目標跟蹤技術是計算機視覺研究領域的熱點之一，在軍事和民用的諸多領域得到廣泛的應用。跟蹤目標的非剛體和其運動的隨機性，以及實際場景中光照變化、旋轉、形變、目標遮擋等復雜因素的存在都有可能引起目標跟蹤漂移。要實現(xiàn)真正具有魯棒性的單目標跟蹤，還需要進一步研究成熟穩(wěn)定的核心技術和方法?；谠诰€判別式分類器的跟蹤算法將跟蹤視為二分類問題且可以實時更新目標模型，比以往的算法具有更好的跟蹤效果。針對遮擋等跟蹤難題，將目標分塊化是一種常用的

2、方法，但常見的固定分塊方法無法適應目標的多樣性和運動過程中的目標外觀變化。因此本文研究如何對目標進行分塊以及將基于在線判別式分類器的跟蹤算法用于復雜環(huán)境下的單目標跟蹤領域，具有重要的理論與應用價值。
　　針對復雜場景下目標跟蹤部分遮擋等問題，本文對目標分塊模型和結合在線判別式分類器跟蹤做了重點研究。首先提出一種自適應分塊算法，在超像素分割技術的基礎上采用DBSCAN聚類算法進行分塊并進行改進；然后在此基礎上采用在線判別式局部分類器

3、的跟蹤算法，提取目標子塊的融合特征訓練局部分類器，根據(jù)各局部分類器的判別結果得出置信圖；將樣本置信值和運動模型相結合，采用具有最大后驗概率的樣本作為跟蹤結果；同時，提出基于子塊判斷遮擋的分類器更新策略保證樣本的可靠性。實驗結果表明，該方法可以較好的解決目標部分遮擋等而引起跟蹤精度較差的問題。為了進一步提高跟蹤精度，本文在上述的研究基礎上提出一種結合全局分類器和局部分類器的抗遮擋跟蹤算法，利用全局特征和局部特征分別訓練全局分類器和局部分類