基于數(shù)據(jù)驅動的視覺跟蹤算法研究.pdf

1、視覺目標跟蹤是計算機視覺領域的重要課題。面對跟蹤過程中來自自然場景多種復雜變化的干擾，當前視覺跟蹤算法由于其普遍采用的模型驅動模式的固有缺陷，算法的準確性和魯棒性與實際應用需求還有較大差距。
　　分析了基于模型驅動的視覺跟蹤算法框架，通過實驗發(fā)現(xiàn)視覺跟蹤各階段由模型生成的數(shù)據(jù)對于外在的場景變化和內在的目標形變有直接體現(xiàn)，以此為基礎，研究了數(shù)據(jù)驅動在視覺跟蹤中的可行性和實現(xiàn)方法，區(qū)別于模型驅動中數(shù)據(jù)的被動模式，數(shù)據(jù)驅動方式利用數(shù)據(jù)流

2、對系統(tǒng)當前狀態(tài)的反映，通過定義一系列基于基本數(shù)據(jù)流的質量指標，為模型構建和更新提供真實可靠的判斷依據(jù)，通過模型驅動與數(shù)據(jù)驅動的結合，實現(xiàn)跟蹤模型對復雜變化的動態(tài)調整，從而提高跟蹤算法性能。
　　以基于中層特征的視覺跟蹤算法為研究對象，實現(xiàn)了數(shù)據(jù)驅動與模型驅動相結合的視覺跟蹤算法。
　　從局部特征的自適應選擇角度出發(fā)，針對傳統(tǒng)特征選擇算法基于歷史幀的信息滯后問題，提出了基于當前幀信息的自適應子塊選擇的跟蹤算法ASST。在ASS

3、T中用于表觀描述的子塊在跟蹤過程中根據(jù)判別性和唯一性進行篩選，動態(tài)組合參與目標定位。實驗證明ASST的自適應子塊選擇機制有效避開了跟蹤中不利于目標定位的區(qū)域，保證了跟蹤結果的準確性和應對長時遮擋和局部形變的魯棒性。
　　從特征權重和學習率的自適應調整的角度出發(fā)，針對特征選擇潛在的描述信息過少問題和模板更新階段的動態(tài)性缺乏問題，提出了自適應權重的動態(tài)表觀跟蹤算法AAMT。AAMT將ASST中子塊是否參與目標定位的“硬閾值”改為以可變