基于集合分類器的單目標跟蹤方法研究.pdf

1、如果在一幀圖像中給出一個定義了目標的邊界框，我們的目的就是自動檢測邊界框內的目標并在之后的視頻幀中判斷該目標是否可見以及目標在可見情況下的相關信息。這種對視頻中的興趣目標進行跟蹤的研究課題很具挑戰(zhàn)性，該課題的研究在人機交互和軍事領域有很大的應用前景。當前比較先進的追蹤方法在利用檢測器進行跟蹤方面表現出了較強的自適應能力，但是這些檢測器的分類檢測過程往往需要關于目標的大量先驗知識，并且當目標以一種新的狀態(tài)出現時檢測器將無法正確識別該目標。

2、
　　 本文以視頻中的單個興趣目標為研究對象，以實現對單個目標的長時間跟蹤為目的，對目標的跟蹤和檢測算法進行了較深入的研究。針對跟蹤過程中遇到的跟蹤算法無法對圖像中的目標及背景的變化進行自適應的問題，本文提出了一種跟蹤器與檢測器相結合的跟蹤算法來克服這些問題。在目標跟蹤過程中，跟蹤器與檢測器協(xié)同工作，基于半監(jiān)督學習的在線學習算法對檢測器的訓練樣本進行實時更新，使跟蹤算法具備對目標和環(huán)境變化的自適應能力。主要工作包括：⑴跟蹤器的實

3、現。采用金字塔Lucas-Kanade光流跟蹤算法實現初始階段的目標跟蹤，在整個跟蹤過程中與檢測器并行運行。根據提出的光流逆跟蹤驗證算法，結合歸一化互相關算法對跟蹤點進行的選擇，并驗證跟蹤器的狀態(tài)。⑵檢測器的實現。級聯檢測器的構成模塊包括:前景檢測，方差濾波器，集合分類器，模版匹配。主要研究了集合分類器的實現----基于二元特征的隨機蕨算法，以及基于重合度測量的模板匹配算法。最后利用非極大值抑制算法得到檢測器最終輸出結果。⑶分類器的在線