类属图密集近邻搜索的视觉跟踪算法研究.docx

146传感器与微系统(TransducerandMicrosystemTechnologies)2017年第36卷第4期

DOI:10.13873/J.1000-9787(2017)04-0146-04

类属图密集近邻搜索的视觉跟踪算法研究*

王治丹，蒋建国，齐美彬

(合肥工业大学计算机与信息学院，安徽合肥230009)

摘要：提出一种基于密集近邻搜索的视觉跟踪算法，能够有效应对目标跟踪过程中出现的形变和遮挡问题。基于马尔科夫随机场建立图像分割模型，提取出目标部件，建立目标部件的类属图矩阵；通过搜索类属图矩阵中的密集近邻，得到相邻帧之间目标部件的匹配关系；通过匹配关系得到跟踪目标位置概率图，确定目标跟踪位置。实验结果表明：本文提出的方法相比其他同类方法效果更好。

关键词：视觉跟踪；类属图；密集近邻搜索；置信图

中图分类号：TP751文献标识码：A文章编号：1000-9787(2017)04-0146-04

Researchonvisualtrackingalgorithmbasedonaffinitygraphdenseneighborhoodssearching*

WANGZhi-dan,JIANGJian-guo,QIMei-bin

(SchoolofComputerandInformation,HefeiUniversityofTechnology,

Hefei230009,China)

Abstract:Avisualtrackingalgorithmbasedondenseneighborhoodssearchingonaffinitygraph,whichcanbeappliedinthesceneswithlargedeformationsandsevereocclusions.ObjectpartsareextractedbasedonimagesegmentationmodelofMarkovrandomfield,affinitygraphmatrixisbuiltbysearchingdenseneighborhoodsinaffinitygraphmatrix,confidencemapoftargetlocationisobtainedbymatchingrelationshiptodeterminelocationoftargettracking.Experimentalresultsshowthattheproposedalgorithmisbettercomparedtootherstate-of-the-artmethods.

Keywords:visualtracking;affinitygraph;denseneighborhoodssearching;confidencemap

0引言

视觉跟踪作为计算机视觉领域的基础问题，在各方面都取得了重要应用，比如视频监控等。之前，研究者设计出了各种算法并取得重要进展，但是由于目标在跟踪过程中出现形变、面临遮挡等情况，对目标的跟踪仍然是一项很棘手的工作。

早期的大多数跟踪算法是基于目标整体模型建立特征表达来描述目标的表象变化，比如稀疏表示[以及子空间学习[2等。由于存在目标形变和遮挡，即使将特征表达改进得相对全面和复杂，很多固定尺度的跟踪器仍然会跟踪丢失。为克服这一问题，研究者提出了基于部件的跟踪器{3-5,可以更灵活地处理目标形变和尺度变化，并且有效检测出遮挡的发生。文献[3]基于简单线性迭代聚类(sim-plelineariterativeclustering,SLIC)算法将目标搜索区域分割成超像素集合，通过建立表象模型来区分前景和背景区域，抵御因形变和遮挡引入的背景噪声。但是由于较少考

收稿日期：2016-04-14

虑目标部件之间的结构信息，当前景和背景表象相似时容易混淆目标。在此基础上，文献[4]考虑目标部件间的结构信息，基于频谱分析算法将跟踪问题转化为图匹配问题。相似地，文献[5]利