基于詞袋模型的目標跟蹤和動作識別算法研究.pdf

1、運動目標跟蹤和動作識別是計算機視覺和模式識別領域的熱點問題。目標跟蹤過程中，由于存在視角變化、姿態(tài)變化、尺度變化、光照變化以及遮擋問題等，使得長時間魯棒跟蹤目標變得困難;而動作識別過程中，不僅存在外界環(huán)境變化的因素，還有同類動作不存在統(tǒng)一格式、動作在時間維度上難以分割等困難，使得動作識別同樣成為一個具有挑戰(zhàn)性的課題。本文在國內外當前研究的基礎上，利用“詞袋”模型等相關理論來解決目標跟蹤和動作識別兩類問題，分別提出在線特征稠密采樣的目標跟

2、蹤算法和基于時空特征的動作識別算法。
　　第一，本文提出了基于在線特征稠密特征采樣并結合BOW模型與粒子濾波的算法來處理目標跟蹤問題，首先對目標區(qū)域及其領域進行稠密采樣并進行特征描述，得到包含正負樣本的特征向量集合。其次采用聚類算法構建視覺詞典來建立有判別力的目標外觀模型。在跟蹤過程中，對候選區(qū)域同樣進行稠密采樣并用學習得到的視覺詞典進行外觀表示。然后計算每個候選區(qū)域與目標區(qū)域的似然值并排序。最后在貝葉斯框架下使用最大后驗概率方法

3、實現(xiàn)對目標的準確跟蹤，并對視覺詞典以及目標外觀模板進行更新。實驗結果表明，本文算法與當前主流跟蹤算法比較，能夠有效處理目標快速運動、外觀變化、背景混淆、部分遮擋而導致跟蹤性能下降甚至跟蹤目標丟失的問題，同時在海上紅外圖像序列上，本文算法也具有較好的魯棒性。
　　第二，本文提出了一種基于時空特征改進并結合BOW模型的動作識別算法。首先對輸入視頻樣本進行關鍵點檢測并在其領域空間建立多個三維立方體，增加關鍵點的時空特性，其次對關鍵點集合