顧明琨,鐘小勇
(江西理工大學 理學院,江西 贛州 341000)
近年來,目標跟蹤技術發展迅速,在視頻監控、人機交互、智能交通等領域有著廣泛的應用。但由于跟蹤時存在著遮擋、形變、光照變化等因素影響,如何在復雜場景中準確跟蹤目標仍是目標跟蹤領域的難點問題。
目標跟蹤方法按照處理方式的不同,可以分為兩類,一類是生成類模型類,另一類是判別類模型類。早期的目標跟蹤算法大多是生成類模型,生成模型類是對跟蹤的目標建立模型并識別,在下一幀圖像中搜索與當前模型中最為相似的區域作為預測區域。比較經典的算法有卡爾曼濾波與粒子濾波等。這種通過單一數學模型描述待跟蹤目標的方法,不能全面利用圖像的背景信息,當受到光照變化,運動模糊等干擾時,會對模型建立產生較大影響。判別模型類是將目標模型和背景信息同時考慮在內,將目標跟蹤看作是一個目標前景和背景的二分類問題,通過提取圖像的特征,利用兩者的差異進行在線學習來對分類器做相應的訓練,該方法可以較好的提高跟蹤精度。伴隨著數字信號處理技術的發展,基于各種濾波方法的判別類模型由于其優異的性能和前景而受到學者們的青睞。相關濾波最初用于通信領域,用來描述信號之間的相關程度。在目標跟蹤中則是將輸入圖像通過濾波器模板進行相關操作,得到一個盡可能理想的響應圖,根據響應圖最高峰的位置來確定目標的中心點。……