基于辨识性稳定区的视频跟踪.docVIP

  基于辨识性稳定区的视频跟踪# 张灿龙1,2，敬忠良1* （1. 上海交通大学航空航天学院，上海 200240； 5 10 15 20 25 30 35 40 2. 广西师范大学计算机科学与信息工程学院，广西 桂林 541004） 摘要：本文提出了一种基于辨识性稳定区的跟踪方法。论文讨论了相互关联的三个主题：辨 识性稳定区的数学描述、选择及其融合跟踪。前期选择从目标图像中提取出稳定区域集，这 些区域具有良好的表面稳定性；后期选择通过一种快速算法从稳定区域集中筛选出具有强空 间辨识力的子集作为辨识性稳定区。对整个目标的跟踪被转换成对这些辨识性稳定区的融合 跟踪。大量试验表明所提出的跟踪算法在许多挑战性目标跟踪任务中展现出良好的性能。 关键词：目标跟踪；辨识性稳定区；聚类分析 中图分类号：TP391.41 Visual Tracking Based on Discriminative Stable Regions ZHANG Canlong1,2, JING Zhongliang1 (1. School of Aeronautics Astronautics, Shanghai JiaoTong University, ShangHai 200240; 2. School of Computer Science and Information Technology, Guangxi Normal University, GuangXi GuiLin 541004) Abstract: This paper presents a new tracking approach based on discriminative stable regions, and discusses three inter-related aspects: mathematical description, fast selection and fusion tracking for discriminative stable regions. The early selection process extracts a pool of stable regions from target image, and these regions have good appearance stability. The late selection process identifies a subset of stable regions with strong spatial discriminative power as discriminative stable regions through a fast search. Tracking to whole target is converted into tracking these discriminative stable regions. Extensive experiments show that the proposed method performs well in many challenging target tracking tasks. Keywords: target tracking; discriminative stable region; clustering analysis 0 引言 目标跟踪是计算机视觉领域中的经典问题，被广泛应用于视频监控、人机交互和医学诊 断等领域。目标表面及其外部环境的变化是影响跟踪器性能的主要原因。解决这些问题的有 效途径之一是建立合适的目标模型[1-3]。目标模型分为全局模型或局部模型。早期常用的全 局模型有光流[4]和颜色直方图[5]，但它们对光照变化较为敏感。最近，一些基于辨识性全局 模型的跟踪方法[6-9]引起了广泛关注，它们将跟踪问题转换为目标与背景的二分类问题，以 图尽可能好地将目标从背景中辨识出来。由于训练一个好的分类器需大量样本，而实际上样 本的获取并不容易。在基于增量子空间[10,11]和基于稀疏表示[12]的跟踪方法中也普遍采用全局 模型。全局模型把目标作为整体处理，这使得它们在处理虚假目标、部分遮挡和形变时较为 困难。与全局模型不同，局部模型是一种对目标图像中多个子区域进行局部建模的方法，因 此它在处理虚假目标、遮挡和形变时更灵活。局部建模方法的关键是子区域的选择。在基于 块的跟踪方法[13]中目标被分割成许多规则排列的块，每个块用其颜色直方图表示。该方法 较好地解决了目标遮挡问题。基于 SIFT 特征的跟踪方法[14,15]选择一些具有好的局部稳定性 和重复性的区域进行匹配。这类方法对目标旋转和尺度变化不敏