基于隨機蕨叢的長期目標跟蹤方法研究.pdf

1、目標跟蹤是計算機視覺領(lǐng)域一個基礎而關(guān)鍵的問題，其中如何能夠在各種復雜的條件下，對目標進行長期穩(wěn)定的跟蹤研究受到國內(nèi)外學者的廣泛關(guān)注。為了從根本上解決運動目標遮擋，環(huán)境光照變化，目標外觀變化，目標運動速度過快等復雜情況下的目標跟蹤問題，本文采用一種最近流行的目標跟蹤框架，將目標檢測，目標更新與標準的目標跟蹤算法結(jié)合。本文以此為基礎進行基于隨機蕨叢的長期目標跟蹤方法研究，并通過實驗驗證了方法的有效性。
　　本文首先介紹了隨機蕨叢算法，

2、闡述了隨機蕨叢算法作為目標分類器在長期目標跟蹤問題中的作用。接著選擇經(jīng)典的Lucus-Kanade光流法去解決目標跟蹤問題。為了提高跟蹤結(jié)果的置信度，加入雙向一致性誤差過濾，并通過中值跟蹤選擇可靠的跟蹤點估計目標的位置。實驗顯示該算法在目標存在遮擋，快速運動和外觀變化等情況下，出現(xiàn)跟蹤失敗的問題。于是，針對跟蹤失敗后，跟蹤算法無法重新初始化問題，提出在跟蹤過程中加入目標檢測的方法，即加入基于隨機蕨叢的目標檢測器。實驗顯示該方法解決了目標

3、遮擋和快速運動情況下跟蹤失敗后的重新初始化問題，但由于目標檢測器可以對目標的位置重新初始化，很可能加大雙向一致性誤差，導致跟蹤器失效，并且同時存在目標外觀變化的問題，導致檢測器無法重新檢測到目標的位置，以致跟蹤提前結(jié)束。
　　最后，本文提出了基于隨機蕨叢的長期目標跟蹤的完整框架和總體流程，針對目標在跟蹤過程中的外觀變化問題，引入目標模型更新方法，解決了目標跟蹤過程中存在的外觀變化導致跟蹤失敗的問題。并且給出了目標跟蹤的評價指標。實