基于在線學(xué)習(xí)的視頻跟蹤研究.pdf

1、視頻跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個重要研究方向，它融合了模式識別、圖像處理、圖像表征和計(jì)算機(jī)應(yīng)用等相關(guān)領(lǐng)域的研究成果和先進(jìn)技術(shù)，在智能監(jiān)控、交通管制、人工交互、軍事精確武器制導(dǎo)和工業(yè)控制等領(lǐng)域都有廣泛的應(yīng)用，具有十分重要的研究價值和實(shí)用意義。本文對視頻跟蹤算法進(jìn)行了一些有益的研究和探索，并針對視頻跟蹤領(lǐng)域的長時跟蹤和自適應(yīng)恢復(fù)問題，進(jìn)行了深入地研究，主要的工作如下:
　　1.詳細(xì)研究了基于KLT特征點(diǎn)的跟蹤算法，并針對目標(biāo)運(yùn)動較大時，

2、算法不能繼續(xù)跟蹤目標(biāo)，將其擴(kuò)展到多尺度圖像空間中，通過構(gòu)建高斯圖像金字塔跟蹤特征點(diǎn)。同時，引入一種新的錯誤判別標(biāo)準(zhǔn)-雙向誤差，對特征點(diǎn)進(jìn)行篩選，大大提高的跟蹤算法中特征點(diǎn)的精確性，最后使用Greedy貪婪算法對目標(biāo)位置進(jìn)行收斂，實(shí)驗(yàn)結(jié)果表明此方法的有效性。
　　2.將一元化模式的跟蹤擴(kuò)展到二元分類問題，提出支持在線學(xué)習(xí)的增量式隨機(jī)森林分類器，可有效處理視頻跟蹤這類小樣本數(shù)據(jù)流的問題，在線構(gòu)造分類器，并通過順序得到的樣本對分類器進(jìn)行

3、在線更新，從而適應(yīng)目標(biāo)運(yùn)動過程中的不斷變化，并基于這些變化對分類器樹結(jié)構(gòu)進(jìn)行修剪。通過對跟蹤視頻的分類準(zhǔn)確率和召回率進(jìn)行定量統(tǒng)計(jì)表明，基于在線學(xué)習(xí)的分類器模型在復(fù)雜環(huán)境下具有很好的準(zhǔn)確性和穩(wěn)定性。
　　3.針對目標(biāo)的長時跟蹤以及跟蹤過程的自適應(yīng)恢復(fù)問題，提出了基于雙向光流和在線學(xué)習(xí)的跟蹤算法，算法通過基于位移權(quán)重的掃描方法提取窗口樣本，并使用結(jié)構(gòu)約束集對目標(biāo)運(yùn)動變化進(jìn)行約束和學(xué)習(xí)，提取目標(biāo)運(yùn)動過程中的關(guān)鍵幀構(gòu)建目標(biāo)的觀測模型和運(yùn)動