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
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
3 H6 y1 S9 M9 X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，
8 v- J$ S' r' d7 }% y6 s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
i5 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
' m0 g. l) q" Z$ N  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
. D: f* q- k2 f6 q' }视觉跟踪是计算机视觉领域的一个研究热点，
2 s4 ^. t, w/ H在人机交互、监控、增强现实、机器感知等场景中
有着广泛的应用[1]。由于面临着实时处理、目标复
8 a/ i8 d/ R# j* ~$ e: B杂运动、遮挡、背景干扰、光照变化等难点，视觉
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
: I7 M. h, j$ k* G4 i  ]% N架，它们将跟踪看做检测问题，根据对目标表观的
( _* ^/ A! k* q( r' V7 N建模方式可分为两类：判别式跟踪和生成式跟踪[1]。
判别式跟踪算法，从目标及背景学习判别式表
( z% F. ~) Q: V观模型，在后续帧中对目标和背景进行区分。由于
% `$ A$ X0 T7 Q$ f2 Y

2 {, L3 |: x6 [1 D  D5 T

3 \" p, w1 q$ h' _4 \6 |+ m5 @/ X
+ V8 E& a0 Y3 c$ T8 M9 k; B, ?附件下载：

游客，如果您要查看本帖隐藏内容请回复

& W, ~# M" G7 ~! L; Z2 @

crime

谢谢分享