基于子空間的視覺(jué)跟蹤算法研究與應(yīng)用.pdf

1、視覺(jué)跟蹤是當(dāng)前計(jì)算機(jī)視覺(jué)的研究熱點(diǎn)之一，是視頻監(jiān)視、人機(jī)交互以及虛擬現(xiàn)實(shí)等領(lǐng)域的關(guān)鍵技術(shù)，具有巨大的應(yīng)用前景。目前視覺(jué)跟蹤算法層出不窮，在魯棒性、準(zhǔn)確性和快速性等方面各有優(yōu)劣。由于光照、尺度變化以及運(yùn)動(dòng)目標(biāo)轉(zhuǎn)動(dòng)、遮擋變形等引起的目標(biāo)外觀變化使算法的魯棒性受到嚴(yán)重挑戰(zhàn)，并成為當(dāng)前視覺(jué)跟蹤算法研究的一個(gè)重要方向。目標(biāo)外觀變化會(huì)導(dǎo)致跟蹤漂移甚至丟失目標(biāo)，要求視覺(jué)跟蹤算法能迅速有效地學(xué)習(xí)到目標(biāo)外觀變化模式?；趨^(qū)域的視覺(jué)跟蹤算法是應(yīng)用最廣泛的算

2、法之一，基于子空間的視覺(jué)跟蹤算法即是屬于基于區(qū)域視覺(jué)跟蹤的一類(lèi)，該類(lèi)算法通過(guò)構(gòu)建子空間來(lái)描述目標(biāo)外觀以實(shí)現(xiàn)跟蹤。傳統(tǒng)的基于子空間的算法需要在跟蹤開(kāi)始之前預(yù)先通過(guò)訓(xùn)練來(lái)得到子空間，并且跟蹤的魯棒性以及準(zhǔn)確性也對(duì)訓(xùn)練所采用的圖像提出了較高的要求。 本文對(duì)基于子空間的視覺(jué)跟蹤算法進(jìn)行了研究。文章對(duì)PCA子空間以及正交子空間基礎(chǔ)上的增量學(xué)習(xí)法進(jìn)行學(xué)習(xí)和研究之后，提出了綜合子空間算法。該綜合子空間既能快速學(xué)習(xí)到目標(biāo)外觀的變化模式，又能學(xué)習(xí)

3、到目標(biāo)的最優(yōu)低維描述子空間，實(shí)驗(yàn)表明該算法在光照變化、目標(biāo)轉(zhuǎn)動(dòng)等情況下仍能穩(wěn)定地跟蹤目標(biāo)。采用自頂向下思路進(jìn)行跟蹤時(shí)，需要對(duì)目標(biāo)狀態(tài)進(jìn)行動(dòng)態(tài)估計(jì)。傳統(tǒng)的卡爾曼濾波只在處理線性高斯問(wèn)題時(shí)效果很好。為處理非線性非高斯問(wèn)題，提出采用粒子濾波來(lái)處理，估計(jì)精度較高。人臉跟蹤是視覺(jué)跟蹤應(yīng)用較多的一個(gè)方面，首先必須進(jìn)行人臉檢測(cè)。Adaboost算法是人臉檢測(cè)領(lǐng)域的經(jīng)典算法之一，基于擴(kuò)大的Haar-like矩形特征的分類(lèi)器性能較好。采用混合接口編程的方