結(jié)合正樣本集的核相關(guān)濾波跟蹤算法

劉 偉，黃 山

(四川大學，成都 610065)

0 引言

目標跟蹤技術(shù)是計算機視覺領(lǐng)域的重要研究課題，其在智能視頻監(jiān)控、人機交互、機器人視覺導航、虛擬現(xiàn)實以及醫(yī)學診斷等諸多方面均有廣泛的應(yīng)用前景[1-3]。但在實際的場景中，視頻中的噪聲、目標尺度變化、目標形變、遮擋、光照變化等問題的存在,會嚴重影響目標跟蹤的準確性，設(shè)計一個具有精確性、快速性的目標跟蹤算法仍然是非常困難的。為解決這些問題，各種跟蹤算法相繼被提出。目標跟蹤算法通常可分為生成式和判別式[4]兩類。其中，生成式跟蹤算法是不斷地去搜索與目標最相似的區(qū)域，不依賴目標模型。如文獻[5]提出的時空上下文視覺跟蹤(Fast Tracking via Spatio-Temporal Context Learning,STC)算法，該算法通過貝葉斯框架對要跟蹤的目標及其局部上下文區(qū)域的時空關(guān)系進行建模，得到目標和其周圍區(qū)域低級特征的統(tǒng)計相關(guān)性。然后綜合這個時空關(guān)系和生物視覺系統(tǒng)來評估新的一幀中目標出現(xiàn)位置的置信圖，置信最大的位置就是所得到的新的一幀的目標位置。判別式跟蹤算法是將跟蹤過程看作一個分類問題，通過已有的視頻序列在線或離線訓練分類器，再用訓練好的分類器計算下一幀目標位置。文獻[6]提出的一種最小平方誤差和輸出(Minimum Output Sum of Squared Error,MOSSE)跟蹤算法，首次將相關(guān)濾波應(yīng)用到目標跟蹤領(lǐng)域并取得了很好的效果；文獻[7]提出基于核循環(huán)結(jié)構(gòu)檢測(Circulant Structure of Tracking-by-Detection with Kernels,CSK)跟蹤算法，創(chuàng)新地采用了循環(huán)結(jié)構(gòu)編碼密集采樣并用核方法訓練正則化最小二乘非線性分類器；……