中值流目标跟踪中国图象图形学报.docVIP

中图法分类号：TP391.41 文献标识码：A 文章编号： 论文引用格式： 中值流辅助在线多示例目标跟踪 王德建，张荣，尹东，张智瑞 中国科学技术大学电子工程与信息科学系，安徽合肥，230027； 摘 要：针对机器人演示学习中目标跟踪性能的严格要求，提出了一种可以有效克服快速运动，遮挡和目标漂移的物体跟踪方法。首先计算中值流，并预测目标的位置偏移，以此计算高斯权重；然后修正搜索区域，并使用在线多示例分类器进行目标搜索，计算似然度；最后使用贝叶斯框架对结果进行融合，使用穷举搜索得到最优的预测位置，并更新在线分类器。实验表明，与现有方法相比，该方法对快速运动和目标漂移具有更强的鲁棒性，而且可以达到实时跟踪。 关键词： 服务机器人；演示学习；目标跟踪；在线多示例学习；中值流 Median Flow Aided Online Multi-Instance Learning Visual Tracking Wang Dejian, Zhang Rong, Yin Dong, Zhang Zhirui Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 2300270 Abstract: To satisfy the stringent requirements of the object tracking performance in the robot’s learning from demonstration framework, a new tracking algorithm that can deal with fast motion, occlusion and drifts is proposed. First of all, the Median-Flow method is utilized to predict the position shift of the object and the Gaussian weight of each patch. Then the searching region is modified and the object is located by the online multi-instance learning classifier, the likelihood of each patch is calculated. Finally the results are combined under the Bayes framework to get the best prediction by exhaustive search and the online classifier is updated. Experiments in several commonly used test videos show that our method outperforms the other states of the art tracking methods especially for fast motion and drifts, and can run real-time. Keywords: Service robots; Learning from Demonstration; Object Tracking; online Multi-Instance Learning; Median Flow 0 引言 随着人口老龄化问题日益严重，家庭服务机器人将扮演越来越重要的角色。演示学习[1]（Learning from Demonstration，LfD）是服务机器人自主学习的一种重要方法，指的是机器人通过观察演示者的动作，抽取知识，完成自主学习的一种学习方式，是一种“所见即所得”的创新学习方法。与传统的学习方法相比，演示学习成本低，操作简单，特别适用于家庭服务机器人[2]。目前演示学习已经成为了人工智能领域的一个研究热点。但是与工业环境不同，家庭环境复杂多变，任务范围广，因此对于视觉算法的要求更高。家庭环境下机器人的目标跟踪常常遇到的问题主要有遮挡，快速运动，光照变化等。如何设计一个鲁棒的目标跟踪算法，有效地克服以上问题成为演示学习中的一个核心的问题。 目标跟踪在计算机视觉中有非常广泛的应用，比如视频监控，机器人视觉，人机交互，车辆跟踪等[3]。目标跟踪领域面临着许多的挑战，主要是由于噪声，遮挡，视角变化，光照变化，剧烈运动等因素引起的[4]。基于分类的目标跟踪（tra