目標(biāo)追蹤器算法研究現(xiàn)狀概述

目標(biāo)追蹤器算法發(fā)展較為成熟，其基本思路為建立一個(gè)外觀模型，然后用此外觀模型對(duì)圖像中區(qū)域匹配與外觀模型相似的目標(biāo)。

目標(biāo)追蹤器算法的發(fā)展方向：

1、減輕背景相似干擾、光照條件的變化、遮擋等外界因素對(duì)追蹤的影響；

2、降低目標(biāo)的姿 態(tài)、尺度、運(yùn)動(dòng)速度等內(nèi)在因素對(duì)追蹤的影響；

3、提高在實(shí)際應(yīng)用中的速度。

加利福尼亞大學(xué)研究人員提出一種在線多示例學(xué)習(xí)的魯棒性目標(biāo)追蹤器。算法通過在線訓(xùn)練一個(gè)判別分類器，將目標(biāo)從背景中分離出來。這個(gè)分類器使用當(dāng)前追蹤器狀態(tài)從當(dāng)前幀中提取正例和反例來引導(dǎo)自己追蹤正確的目標(biāo)。他們構(gòu)造一組單例的這樣的分類器，組成一個(gè)分類器的集合，用多示例學(xué)習(xí)的方法確定最優(yōu)分類器組合，然后再對(duì)每一個(gè)粒子進(jìn)行分類。

然而算法在提取樣本不充分時(shí)會(huì)產(chǎn)生模板漂移，導(dǎo)致追蹤精度下降。 所以研究人員又提出一種使用回歸網(wǎng)絡(luò)進(jìn)行通用對(duì)象跟蹤的追蹤器，該算法基于卷積神經(jīng)網(wǎng)絡(luò)，對(duì)光照變化和視點(diǎn)變化具有較高魯棒性，但對(duì)稍被遮擋的目標(biāo)處理效果不佳。

而接著，再次提出一種具有通道和空間可靠性的判別相關(guān)濾波器，將信道和空間可靠性的概念引入到判別相關(guān)濾波器追蹤中，信度分?jǐn)?shù)反映了學(xué)習(xí)濾波器的信道質(zhì)量，并作為特征加權(quán)系數(shù)用于定位，改善了對(duì)非矩形區(qū)域或?qū)ο蟮淖粉櫺Ч?，為?duì)象跟蹤提供了更高的精度。