結(jié)構(gòu)化的表觀模型及兩階段目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤在圖像理解、人機(jī)交互、智能監(jiān)控、機(jī)器人學(xué)等方面有著廣泛的應(yīng)用。目前，雖然許多目標(biāo)跟蹤算法已被提出并取得顯著進(jìn)展，但由于受光照變化、遮擋、姿勢改變及背景擾動(dòng)等因素的影響，要設(shè)計(jì)出一個(gè)強(qiáng)健的跟蹤算法仍是一個(gè)極具挑戰(zhàn)性的問題。
　　本文針對動(dòng)態(tài)場景中使用固定模板進(jìn)行跟蹤容易丟失目標(biāo)的問題以及利用動(dòng)態(tài)模型估計(jì)目標(biāo)位置時(shí)產(chǎn)生的漂移問題，提出一種改進(jìn)的基于偏最小二乘法的兩階段目標(biāo)跟蹤方法。該方法利用偏最小二乘分析法對在高維特征空間中搜

2、集的正負(fù)樣本降維，獲得特征子空間構(gòu)建目標(biāo)表觀模型集。跟蹤在貝葉斯推理框架下進(jìn)行：在初始跟蹤階段，利用粒子濾波原理及似然函數(shù)估計(jì)目標(biāo)的初步位置；在校正階段，采用一種適應(yīng)性的基準(zhǔn)模型確定最終的目標(biāo)位置。對一些視頻序列的實(shí)驗(yàn)結(jié)果分析證明本文中所提出改進(jìn)方法的有效性。針對上述影響因素，提出一種基于結(jié)構(gòu)化熵表觀模型的跟蹤方法。采用紋理特征中的熵特征和分塊相結(jié)合的方法，用局部塊表示目標(biāo)的整個(gè)結(jié)構(gòu)。通過研究分析樸素貝葉斯分類器，將獲得的結(jié)構(gòu)化熵表觀模