非剛性目標(biāo)的跟蹤-學(xué)習(xí)-檢測算法研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺研究的前沿研究領(lǐng)域。傳統(tǒng)跟蹤-學(xué)習(xí)-檢測算法解決了目標(biāo)消失重現(xiàn)并繼續(xù)跟蹤的問題，但是該算法僅適用于剛性目標(biāo)場景，無法解決非剛性目標(biāo)的跟蹤問題。針對該問題，本文提出一種非剛性目標(biāo)的跟蹤-學(xué)習(xí)-檢測的算法。通過軟化模型建模非剛性目標(biāo)，實(shí)現(xiàn)對幾何形狀未知的非剛性物體高效魯棒的跟蹤。
　　首先，針對非剛性目標(biāo)跟蹤的系統(tǒng)性問題，提出一種新型的基于軟化模型的跟蹤-學(xué)習(xí)-檢測框架。該框架整合了采用十字骨架模型的跟蹤模塊和采用

2、概率模板匹配的檢測模塊，同時在學(xué)習(xí)策略中加入了對跟蹤器的在線學(xué)習(xí)機(jī)制，最終實(shí)現(xiàn)了一個高效的針對非剛性目標(biāo)長時間跟蹤的跟蹤-學(xué)習(xí)-檢測算法系統(tǒng)。
　　其次，在傳統(tǒng)跟蹤-學(xué)習(xí)-檢測算法中針對跟蹤模塊光流特征點(diǎn)漂移和丟失的問題，提出一種光流特征點(diǎn)的選擇策略，改善了未知幾何形狀的非剛性目標(biāo)跟蹤時前景跟蹤點(diǎn)的選擇問題。該方法通過一個矩陣奇異值分解算法對光流特征點(diǎn)進(jìn)行降維，并采用一種十字骨架模型進(jìn)行有效前景跟蹤點(diǎn)提取，同時對發(fā)散的背景特征點(diǎn)去

3、除。再此基礎(chǔ)上依靠在線學(xué)習(xí)的方法不斷更新十字骨架模型以擬合目標(biāo)真實(shí)的前景光流特征點(diǎn)，最終有效的解決了跟蹤模塊的在非剛性目標(biāo)下的特征點(diǎn)選擇問題。
　　最后，在跟蹤-學(xué)習(xí)-檢測算法中，針對其檢測模塊存在的非剛性目標(biāo)模板匹配問題，提出一種基于軟化模型的改進(jìn)匹配算法，實(shí)現(xiàn)了對非剛性目標(biāo)的有效前景匹配。該方法基于跟蹤模塊提出的十字骨架模型，并在此基礎(chǔ)上結(jié)合快速的圖像分割算法實(shí)現(xiàn)了高效的目標(biāo)前景區(qū)域恢復(fù)。然后，將該目標(biāo)前景區(qū)域與傳統(tǒng)的包含背景