基于多特征融合的視覺目標(biāo)跟蹤研究.pdf

1、視覺目標(biāo)跟蹤技術(shù)目前被廣泛應(yīng)用于各個(gè)行業(yè)，如智能交通、醫(yī)學(xué)檢測、軍事領(lǐng)域、場景監(jiān)控等。目標(biāo)跟蹤系統(tǒng)主要包括目標(biāo)檢測和目標(biāo)跟蹤兩個(gè)部分。本文針對這兩個(gè)部分進(jìn)行了相應(yīng)的研究，重點(diǎn)研究了基于多特征融合的目標(biāo)檢測技術(shù)。
　　基于多特征融合的目標(biāo)檢測技術(shù)近年來引起眾多研究學(xué)者的關(guān)注，如基于線性判別分析(LDA)的特征融合目標(biāo)檢測、基于集成分類的目標(biāo)檢測。該類方法的關(guān)鍵是特征選擇和分類器的訓(xùn)練。
　　基于線性判別分析的特征融合目標(biāo)檢測方

2、法，是以Fisher準(zhǔn)則為依據(jù)，對各個(gè)特征分類結(jié)果加權(quán)融合，并在跟蹤過程中不斷更新各特征權(quán)重。首先針對不同特點(diǎn)的視頻序列選取合適的特征，然后根據(jù)每個(gè)特征對目標(biāo)和背景分類能力的不同，利用線性判別分析準(zhǔn)則計(jì)算特征權(quán)重，對各特征的映射似然圖加權(quán)融合，得到融合似然圖，再計(jì)算得到累積似然圖，即目標(biāo)響應(yīng)圖。根據(jù)累計(jì)似然圖給出目標(biāo)的檢測結(jié)果。并在跟蹤過程中，對各特征的映射曲線和權(quán)重做增量式更新，實(shí)現(xiàn)對目標(biāo)的準(zhǔn)確檢測。
　　基于集成分類的目標(biāo)檢測

3、算法的優(yōu)點(diǎn)是動(dòng)態(tài)使用特征與特征組合，無需人為干預(yù)及參數(shù)設(shè)定。Boosting算法是較常用的一種集成分類算法，而AdaBoost算法又是Boosting算法最具代表性的應(yīng)用。AdaBoost算法賦予被錯(cuò)分的樣本更高的權(quán)重，在不斷訓(xùn)練中得到分類效果最佳的強(qiáng)分類器。本文采用的基于半監(jiān)督的協(xié)同訓(xùn)練集成分類算法是在集成分類算法的基礎(chǔ)上，采用RealAdaBoost算法分別訓(xùn)練兩組分類器，兩個(gè)分類器對彼此的分類結(jié)果相互標(biāo)記，以得到魯棒性的跟蹤結(jié)果，