視頻目標跟蹤與定位方法研究.pdf

1、視頻中的目標跟蹤和定位是視頻分析的基礎。盡管有長達數(shù)十年的研究歷史，在面對真實場景時，受到姿態(tài)變化、光照變化、遮擋、快速運動等因素的影響，依然存在許多需要解決的問題。本文的核心貢獻在于探究了視頻中目標定位的問題，提出了3種創(chuàng)新的算法。
　　提出了一種基于向量Boosting的自適應壓縮感知跟蹤算法。首先，用向量Boosting的方式從正負樣本集合上學習區(qū)分度大的特征模板，并且采用在線的特征模板更新的方式。其次，提出軌跡矯正的方式，

2、用時序上面的信息，輔助目標的定位。最后，采用多尺度自適應機制估計目標的尺度，避免背景信息干擾外觀模型的更新。在CVPR2013和VOT2014上面的評測結果，體現(xiàn)該算法的優(yōu)越性。
　　提出基于姿態(tài)跟蹤的人臉形狀定位系統(tǒng)。首先訓練一個多姿態(tài)的級聯(lián)回歸模型，分姿態(tài)能夠降低模型訓練階段形狀的偏差，提升模型對姿態(tài)變化的魯棒性。其次，采用姿態(tài)跟蹤模型，利用相鄰兩幀在時序上面的相關性，并且用卡爾曼濾波平滑當前預測的人臉形狀。最后，將重新初始化

3、機制融入到該系統(tǒng)中，該機制融合時序信息幫助系統(tǒng)在配準失敗或者人臉丟失的情況下，有效地定位到人臉。該算法在300-VW比賽中取得第一的成績。
　　提出基于深度卷積網絡的通用目標定位。首先通過位置相關的卷積特征級聯(lián)3個區(qū)域分類和回歸網絡，改善定位框的位置。其次，探究利用基于卷積特征的相關濾波跟蹤器傳播置信度高的區(qū)域建議框。最后，我們利用目標類別之間的共生關系，建立相關關系表來推理目標之間的關系。該算法在ImageNet2016子項視頻