基于颜色表示的尺度自适应实时目标跟踪

摘要

随着科技的发展，目标跟踪技术依然是当下研究的热门且具有挑战性的一个课题，军事上导弹打击需要精确定位跟踪目标，医学上扫描跟踪病变细胞，机器视觉的机器人需要锁定目标并进行跟踪，交通上需要跟踪违规车辆等各个方面都离不开目标跟踪技术。 在早期的跟踪方法中，颜色直方图是一种常见的外观描述方法。本文在基于颜色表示的情况下，解决了目标跟踪的目标对象部分遮挡问题，本文结合了干扰感知模型与背景对象模型，得到一个目标跟踪的对象模型。干扰感知模型可以有效抑制干扰区域，不会因为漂移而使得在后续帧中跟踪到与目标相似外观的区域，以确保健壮的跟踪性能。背景对象模型可以将目标对象从周围背景中区分出来，保证后续帧的跟踪效果。 并且，尺度变化是跟踪中比较基本和常见的问题，尺度更新一定程度上也可以减少漂移现象，如果目标缩小，滤波器就会学习到大量背景信息；如果目标扩大，滤波器会跟随目标局部纹理移动，以上两种情况都很可能出现非预期的结果，导致漂移并跟踪失败。 为了解决这个问题，本文采用了自适应尺度估计方法，可以显著减少漂移的问题，产生健壮和可靠的跟踪结果。最后利用视觉目标跟踪数据集（VOT）进行测试，实验结果表明，本文所研究的方法具有良好的跟踪性能。与张开华老师的STC跟踪算法和Xue Mei及Haibin Ling的跟踪算法（RVT）相比，这种基于颜色跟踪的方法在精度和鲁棒性方面都表现良好。此外，本文所研究的方法可以有效地实现实时在线目标跟踪。由此可见，这种基于颜色的目标跟踪在某些性能上达到先进水平，在VOT数据集中跟踪效果较上述两个目标跟踪器更优。

目录

第一个书签之前