基于自適應權重的多特征通道目標跟蹤.pdf

1、目標跟蹤作為計算視覺領域許多應用的最重要的組成部分，廣泛應用于智能視頻監(jiān)控、智能人機交互、醫(yī)學圖像序列分析等方面。如何魯棒地進行目標跟蹤也是一個具有挑戰(zhàn)性的問題。在諸多的影響因素中，例如在遮擋、姿勢變化、外界光照變化、背景凌亂、外形變化等情況下，如何對目標進行快速而魯棒的跟蹤一直是本領域的熱點研究課題。
　　本文采用了自適應權重來融合不同的特征通道所產生的置信圖來獲得目標的預測位置。首先利用灰度特征，HOG特征和顏色名字特征來產生

2、一系列獨立的置信圖，在置信圖上的每個元素都表示了與之對應的像素點屬于目標中心的概率值，也就是置信度。為了加強置信圖的可靠性，本文提出了基于多層元胞自動機的模型來更新這不同的特征產生的獨立置信圖。
　　灰度特征可以很好地描述物體的能量信息也就是低維特征，方向梯度直方圖(HOG)可以描述目標和其周圍背景的紋理特征，而顏色名字特征在建立更穩(wěn)定的外觀模型的時候不僅僅提供了高維的特征信息，同時還有助于處理更為雜亂的顏色背景信息。本文算法通過

3、目標中心和周邊背景的上下文信息來學習它們的空間聯(lián)系從而建立一個在線更新的模型，這種模型揭示了連續(xù)的視頻幀中的某種統(tǒng)計關系。本文利用空間模型和魯棒的外觀模型以及元胞自動機更新機制得到了不同特征通道的置信圖，然后利用自適應權重使之融合成最終的置信圖。最后選取融合置信圖上擁有最大置信度的像素點位置為跟蹤目標的最優(yōu)中心位置。
　　實驗部分采用了大量具有挑戰(zhàn)性的視頻序列對本文的跟蹤算法進行定性和定量的評估，并與一些經典和前沿的跟蹤算法進行了