基于非負(fù)編碼Boosting的目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域非常重要的研究課題之一。它的應(yīng)用涵蓋了人機(jī)交互、醫(yī)學(xué)圖像、安保、視頻監(jiān)控等各個(gè)領(lǐng)域。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)張，目標(biāo)跟蹤變得更加復(fù)雜。同時(shí)，由于目標(biāo)形變、光照變化、遮擋、運(yùn)動(dòng)模糊等一系列問(wèn)題，研發(fā)出一種有效的并且高效的魯棒性強(qiáng)的跟蹤算法仍然是一個(gè)非常具有挑戰(zhàn)性的課題。目前仍然沒(méi)有一種方法能夠解決跟蹤過(guò)程中出現(xiàn)的所有問(wèn)題，目標(biāo)跟蹤問(wèn)題的主要困難在于算法的魯棒性、實(shí)時(shí)性和準(zhǔn)確性，因此跟蹤算法仍有待于深入研究。

2、>　　本文針對(duì)視頻序列中目標(biāo)出現(xiàn)的遮擋或誤定位等異常情況，做了一系列的研究工作。主要研究成果如下：
　　1.提出了一種基于非負(fù)編碼Boosting的目標(biāo)跟蹤方法。與現(xiàn)有的Boosting跟蹤算法不同，本文所提出的方法著重于獲取弱分類(lèi)器的全局最優(yōu)子集，其中弱分類(lèi)器的篩選過(guò)程通過(guò)非負(fù)編碼的形式得到。生成的編碼值反映了對(duì)應(yīng)的弱分類(lèi)器的重要程度因此用作弱分類(lèi)器的權(quán)值系數(shù)。在跟蹤過(guò)程中，通過(guò)選出的弱分類(lèi)器對(duì)訓(xùn)練樣本得到的預(yù)測(cè)標(biāo)簽，可以進(jìn)一步

3、分析正確分類(lèi)的概率從而判別異常的發(fā)生。這種處理方式對(duì)正確更新分類(lèi)器參數(shù)和避免跟蹤偏移有很大的幫助，實(shí)現(xiàn)了準(zhǔn)確的跟蹤。
　　2.提出了一種空間約束非負(fù)編碼Boosting目標(biāo)跟蹤方法。該方法在原有方法的基礎(chǔ)上，考慮了復(fù)雜場(chǎng)景中相鄰幀圖像之間相似的編碼關(guān)系，通過(guò)加入空間約束，較好地保持了視頻圖像序列的空間一致性，使得跟蹤算法更加穩(wěn)定。同時(shí)，采用新的目標(biāo)表示形式，并通過(guò)將所有樣本整合成統(tǒng)一大小進(jìn)行處理使得原有的跟蹤算法能夠應(yīng)對(duì)目標(biāo)尺度變