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
: P3 n' N$ |! {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
# \0 h) H8 d2 N6 }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，
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
; g2 f! `3 J* W+ R. r+ p1 |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。
& I* H+ o' R8 M# d! V关键词：视觉跟踪；超像素；判别式表观模型；K 近邻方法
5 h' s" `3 o- X1 引言
, p# t- x/ E2 w4 U' \; \; i- v. `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
( K8 [- ?- n# u' D- j有着广泛的应用[1]。由于面临着实时处理、目标复
" ~1 x% j" {6 |' z4 u& u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
" o3 W4 `! r3 `$ \* [/ i出的多数跟踪算法都基于 tracking-by-detection 框
  E/ s8 }  p& @# s架，它们将跟踪看做检测问题，根据对目标表观的
: r. J/ h+ g* l& b$ z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
观模型，在后续帧中对目标和背景进行区分。由于

, c9 ^( y' Y& z

& y+ ^. E! t4 O. u. {" \) C

附件下载：

游客，如果您要查看本帖隐藏内容请回复

crime

谢谢分享