视频追踪算法研究

《视频追踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、视频追踪算法研究摘要简要介绍了视频追踪的简单知识，系统全面的介绍了视频追踪的儿种算法，包括基于自适应颜色属性的追踪算法、基于压缩感知理论的追踪算法、基于概率连续异常值的追踪算法。关键词视频追踪；颜色属性；压缩感知；概率连续异常值屮图分类号G2文献标识码A文章编号2096-0360(2015)01-0037-02视频追踪是近年来新兴的一个研究方向，它融合了计算机视觉，模式识别等学科技术，在安全监控，视频压缩与检索等方面有广阔应用前景。系统以图像序列输入，输出则是图像中目标的各种属性，如大小，位置等。其目的是为了判断图像序列屮目标的位置。影响视频追踪的原因冇多个，如光照不变、部分遮挡

2、、变形等。追踪算法通常分为生成式算法和判别式算法。1基于自适应颜色属性的追踪算法1.1追踪器追踪器是从单一图像片段屮学习一种核心的最小二乘目标分类器，该追踪器具有显著速度的关键是这种追踪器研究出的循环结构似乎能够从局部图像片段中进行周期性假设，这里我们简要介绍一下该算法。这种分类器使用一种单一的灰度图像片段进行训练，图像片段的大小是的，且分布在冃标对象的中心。这种追踪器考虑所有的循环变化，，并将其作为分类器的训练样木。这些样木以一种高斯函数来进行标记，以便用来标记。这种分类器通过成本函数最小化(1)进行训练，如下式所示。(1)这里是通过核函数诱导得到的希尔伯特空间的映射，内积定义

3、为，常数是一个正则化参数。成本函数(1)是山最小得到的，这里的系数定义如下：(2)这里是离散傅里叶变换。我们定义离散傅里叶变换：，这里是由核函数输出得到的。等式(2)中若是平移不变的，也就是对丁•所有的，都有。在新的一帧中，检测步骤是通过对大小为的灰色图像片段进行第一次裁剪而执行的。检测的分数是由计算得到的，这里的是样本片段的傅里叶变换核输岀。这里表示日标外观的灰度图像片段，并且是由多种帧获得的。在新的一帧，目标位置是通过寻找合适的变换以找到的最大分数来估计的。这里的核输出和能够通过使用快速傅里叶变换有效地计算出来。1.2算法思想最先进的视觉追踪器依靠亮度信息或使用简单的颜色表示

4、來对图像进行描述。与视觉追踪相反的是，対象识别和检测、复杂的颜色特性结合亮度显示时能够提供较好的性能。由于追踪的复杂性，应该高效的计算所需的颜色特性，拥有一定数量的光度不变性，同时保持高辨别力。基于此,本节提出了该算法，该算法是在追踪器的基础上获得的新算法，山于追踪器对于多通道信号的处理结果是次优的，从而为了解决这个问题，本文自适应的更新样木，采用多通道追踪器进行训练。高维物体的颜色属性能够导致计算量的增加，因此限制了该算法的应用。2基于压缩感知理论的追踪算法1.1压缩感知理论2.1.1随机投影设置一个随机矩阵，该矩阵的行是从高维图像空间到低维空间的单位长度的投影数据，符号表示为

5、(3)随机矩阵屮n〈5,理想情况下，希望提供一个稳定的嵌入，能够近似的保留所有对原始信号间的距离。如果在(3)中的随机矩阵满足Johnson-Lindenstranss引理，且是可以压缩的，我们便能够从中高概率选取并以最小误差重构，且要确保中几乎保留中所有信息。使用的非常稀疏矩阵不仅要满足Johnson-Lindenstranss引理，而且要能够有效地计算实时的追踪。2.1.2随机测量矩阵满足限制等距特性的一种典型的测量矩阵是随机高斯矩阵，下面的，当这个矩阵是稠密的，并且是很大的情况下，该矩阵的存储和计算量仍然是很大的。在本小节中，使用了一个非常稀疏随机测量矩阵，英定义如下:(4

6、)Achlioptas[2]证明了这种类型的矩阵在时满足Johnson-Lindenstranss引理。这种矩阵只需要一种统一的随机生成器，便很容易的计算出來。更重要的是，当时，这种矩阵是非常稀疏的，因为这时可以避免计算量的2/3。另外,Lietal.[3]指出，这种矩阵是近似正态分布的。在木小节中，我们设置，从而得到一个非常稀疏的随机矩阵。2.2算法思想在压缩领域，木文介绍了一个有效的基于多尺度特征空间的特征提取的方法来构造外观模型，同时将正负样本通过尺度变换，对样本量进行扩充；再对扩充的样本进行压缩，然后将这个多尺度的样本空间的样本通过稀疏矩阵投影到低维空间中。构造的外观模型

7、用来生成基于特征提取的R标，它也是判别式的。3基于概率连续界常值的追踪算法3.1基于概率连续异常值的追踪框架视频追踪被看作一种隐马尔可夫模型的贝叶斯推理任务。给定一系列观测样木，直到第帧的位置，其目的是递归地估计隐藏的状态变量，，这里代表两种连续状态间的运动模型，表示观测模型，该观测模型能够估测属丁•目标类型的观测图像片段的可能性。类似于增量视觉追踪方法[4],我们使用仿射变换的6个参数来表示运动模型。状态变换通过无规则运动表述，也就是说，，这里是一个对角协方差矩阵。2.1.1观