自适应颜色目标追踪.pptxVIP

学号姓名;目录;论文介绍;1.1题目介绍

＞题目翻译为基于自适应选择颜色属性的实时视觉跟踪，＞首先理解什么是Adaptivecolorattributes?

文章中colorattributes把颜色分为11类，就是将RGB三种颜色细化为黑、蓝、棕、灰、绿、橙、粉、紫、红、白和黄共11种。

＞那么如何做到adaptive（自适应）？

就是实时的选择比较显著的颜色，这个选择的过程是一种类似PCA（主成分分析）中降维的思想，将11维特征降为2维（代码里使用的就是2），文章重点之一就是这个。;1.2简单介绍

＞主成分分析PCA:主要用于特征的降维。

＞是指它可以从多元事物中解析出主要影响因素，揭示

事物的本质，简化复杂的问题，是寻找最小均方意义下、最能代表原始数据的投影方法。

＞主成分分析的主要思想是寻找到数据的主轴方向，由主轴构成一个新的坐标系，这里的维数可以比原维数低，然后数据由原坐标系向新的坐标系投影_这个投影的过程就是降维的过程。;1.3研究背景

＞视觉跟踪在计算机视觉中是一个很有挑战性的问题，现在最好的视觉跟踪器或者依赖于光照信息或是使用简单的颜色表示来描述图片。

＞在目标识别和检测问题中，结合光照信息和复杂的颜色特征可以提供非常好的表现。由于跟踪问题的复杂性，所需要的颜色特征应该被有效的计算并且拥有一定的光学不变形同时保持较髙的辨别力，

＞这篇文章研究基于检测的跟踪结构下颜色属性的贡献值。我们的结果表明颜色属性对于视觉跟踪问题具有优越的表现，我们进而提出一种自适应低维颜色属性的转化。;＞目标跟踪就是在图片序列中找到目标的位置，（目标是提前标明的，即在第一帧给出）-在人机交互，视频监控，机器人应用的比较广泛。由于跟踪过程中可能发生光照改变，遮挡，背景干扰，跟踪目标发生形变,所以跟踪比较复杂，本文调査了如何使用颜色信息来减小上述问题的影响。

＞现在最先进的跟踪器或是使用光照强度值）或是使用纹理信息。利用颜色信息做视觉跟踪是一件很难的事情。颜色测量结果在整个图片序列中变化很大，原因包括光照改变，阴影，相机和目标几何位置的变化，对于彩色图像在上述情况下鲁棒性的评价己经用在图像分类，行为识别上，因此我们使用现在的评价方法来评价对目标跟踪这个问题的颜色转换的方法，;1.4视觉跟踪的方法:;1-5文章的贡献:;2,1CSK跟踪器

CSK是在一个单独的图像碎片中从目标中得到核心的最小方形分类器。首先，这篇文章使用的决策函数是一个结构风险最小化的函数：

1=1

在这个函数中，前面是一个损失函数，损失函数里面的f(x)判别函数；后面是一个结构化的惩罚因子。对于SVM分类器来讲就是合页损失函数(Hingeloss)。但是实际菜角梃B数的最小二乘法(RegularizedLeastSquares(RLS)withKernels)也可以同样的达至!J这样的效果。于是文章就采用了这样的方法来求解这个Function.得到的结果是：;2.1跟踪器;2.2051（跟踪的核心思想;2.3跟踪的参数;3.颜色视觉追踪;3-1相关概念的介绍-svm;svм的核函数如何选取?;高斯核函数(高斯径向基核函数)

＞所谓径向基函数(RadialBasisFunction简称RBF),就是某种沿径向对称的标量函数。通常定义为空间中任一点X到某一中心XC之间欧氏距离的单慨函数，可记作其作用往往是局部的，即当X远离XC时函数取值很小，＞最常用的径向基函数是髙斯核函数，形式为

k(j-xc||)=expj-x-xc2/(2*＜?2)J;3.2基于颜色特征拓展分类器:;3.2更新分类器:

?最小代价函数;?目标外形JV实时更新方案(thelearnedtargetappearance)

=(1-+7^1^

必二(i-7Mp+7町吋+入)

.rp=(I—7)j*p_1+

7\在常见的csk中，thelearnedtargetappearancejc是来计算在下一帧P+1的检测分数(响应值)。;3.3低维自适应颜色属性:;实验;4实验算法主要思想:;4.结论;1.CSK:J.Henriques,R.Caseiro,P.Martins,andJ.Batista.Exploitingthecirculantstructureoftrackingby-detectionwithkernels.InECCV,2012.

2.J.vandeWeijer,C.Schmid,J.J.Verbeek,andD.Larlus.Learningcol