复杂环境下高效物体跟踪级联分类器+遮挡剖析.pptVIP

复杂环境下高效物体跟踪级联分类器 TLD跟踪算法 TLD(Tracking learning detection)跟踪算法由跟踪器(tracker)、检测器(detection)和在线学习(online learning)算法组成。 其中跟踪器和检测器两者并行运行，所产生的结果皆参与学习过程，学习后的模型反作用于跟踪器和检测器，学习过程对跟踪器和检测器进行实时更新模型和跟踪参数，从而保证了目标外观在发生变化的情况下能够持续被跟踪。 主要思想 基于Sliding-Window的局部搜索和全局搜索、积分直方图过滤器和随机Haar-like块特征过滤器。 积分直方图：过滤大量非目标子窗块 Haar-like：解决在复杂环境下易发生漂移而导致跟踪精度问题。 局部搜索和全局搜索：提高了计算机速度 跟踪器： 指定跟踪目标用矩形框标出，采用Lucas-Kanade光流法且结合相似性判断和前向-后向误差(forward-backward error)法来估计目标运动的位，用此局部跟踪方法可以有效解决部分遮挡的问题。 检测器： 解决跟踪器跟踪大运动物体或者物体临时跟丢后的重新定位问题。 主要流程： 每一帧图像用Sliding-window方法形成图像块(patch) 每个图像块被标记为正例或负例需要经过3层级联分类器的过滤： 方差过滤器(variance filter) 随机蕨分类器(random