实时超像素跟踪算法

BillScot2

摘 要：建立有效的目标表观模型是视觉跟踪算法的关键。该文采用中层次视觉线索(超像素)对目标表观进行建
9 A" R9 U0 n# s- H7 e6 y. y% G8 K模，提出一种实时超像素跟踪(RSPT)算法。算法采用 K 近邻(KNN)方法从超像素特征集合中学习目标的判别式
% D. R8 v: e! N9 k. D表观模型；在后续帧中，根据学习到的表观模型计算目标-背景置信图，然后巧妙地采用积分图方法估计目标状态，
, ~  v7 Q0 q* Y4 w4 g) U6 p实现了高速的全局最优估计；最后设计了目标表观模型的在线更新策略，引入遮挡因子对遮挡进行判断。在配置
' f' G' }/ o7 ri5 处理器的电脑中，所提 RSPT 算法使用未经优化的 Matlab 代码以 19 帧/s 的速度实时运行。对若干序列的对比
. s/ c( q0 I9 j0 v+ l( H实验表明，所提算法能够在多种复杂环境下稳定跟踪目标，具有良好的鲁棒性。
关键词：视觉跟踪；超像素；判别式表观模型；K 近邻方法
1 引言
视觉跟踪是计算机视觉领域的一个研究热点，
在人机交互、监控、增强现实、机器感知等场景中
2 j  B& _3 U* y9 o( f% v  @' s有着广泛的应用[1]。由于面临着实时处理、目标复
杂运动、遮挡、背景干扰、光照变化等难点，视觉
" C7 w" Y: k, {' K& R$ j跟踪也是一个非常有挑战性的研究方向。近几年提
出的多数跟踪算法都基于 tracking-by-detection 框
架，它们将跟踪看做检测问题，根据对目标表观的
建模方式可分为两类：判别式跟踪和生成式跟踪[1]。
  ^/ C# ~1 x5 ]; j% z: v8 m$ C: }判别式跟踪算法，从目标及背景学习判别式表
观模型，在后续帧中对目标和背景进行区分。由于
6 h; n' |' e- ]. c$ }- O

- Z4 N+ Z+ c0 z: {1 F5 q0 e
: r5 l7 T5 W$ P* b8 X5 c; k% d8 A
$ R  r8 l0 I7 J- ^. Y. ?' k, u
附件下载：

游客，如果您要查看本帖隐藏内容请回复

! K- Z9 c, H  P% M; X) Q

crime

谢谢分享