視頻目標(biāo)跟蹤與定位方法研究.pdf

1、視頻中的目標(biāo)跟蹤和定位是視頻分析的基礎(chǔ)。盡管有長(zhǎng)達(dá)數(shù)十年的研究歷史，在面對(duì)真實(shí)場(chǎng)景時(shí)，受到姿態(tài)變化、光照變化、遮擋、快速運(yùn)動(dòng)等因素的影響，依然存在許多需要解決的問題。本文的核心貢獻(xiàn)在于探究了視頻中目標(biāo)定位的問題，提出了3種創(chuàng)新的算法。
　　提出了一種基于向量Boosting的自適應(yīng)壓縮感知跟蹤算法。首先，用向量Boosting的方式從正負(fù)樣本集合上學(xué)習(xí)區(qū)分度大的特征模板，并且采用在線的特征模板更新的方式。其次，提出軌跡矯正的方式，

2、用時(shí)序上面的信息，輔助目標(biāo)的定位。最后，采用多尺度自適應(yīng)機(jī)制估計(jì)目標(biāo)的尺度，避免背景信息干擾外觀模型的更新。在CVPR2013和VOT2014上面的評(píng)測(cè)結(jié)果，體現(xiàn)該算法的優(yōu)越性。
　　提出基于姿態(tài)跟蹤的人臉形狀定位系統(tǒng)。首先訓(xùn)練一個(gè)多姿態(tài)的級(jí)聯(lián)回歸模型，分姿態(tài)能夠降低模型訓(xùn)練階段形狀的偏差，提升模型對(duì)姿態(tài)變化的魯棒性。其次，采用姿態(tài)跟蹤模型，利用相鄰兩幀在時(shí)序上面的相關(guān)性，并且用卡爾曼濾波平滑當(dāng)前預(yù)測(cè)的人臉形狀。最后，將重新初始化

3、機(jī)制融入到該系統(tǒng)中，該機(jī)制融合時(shí)序信息幫助系統(tǒng)在配準(zhǔn)失敗或者人臉丟失的情況下，有效地定位到人臉。該算法在300-VW比賽中取得第一的成績(jī)。
　　提出基于深度卷積網(wǎng)絡(luò)的通用目標(biāo)定位。首先通過位置相關(guān)的卷積特征級(jí)聯(lián)3個(gè)區(qū)域分類和回歸網(wǎng)絡(luò)，改善定位框的位置。其次，探究利用基于卷積特征的相關(guān)濾波跟蹤器傳播置信度高的區(qū)域建議框。最后，我們利用目標(biāo)類別之間的共生關(guān)系，建立相關(guān)關(guān)系表來(lái)推理目標(biāo)之間的關(guān)系。該算法在ImageNet2016子項(xiàng)視頻