冷建伟,李 鹏

(1.天津市复杂系统控制理论及应用重点实验室,天津 300384; 2.天津理工大学 自动化学院,天津 300384)

0 概述

基于视频的目标跟踪是机器视觉应用的关键,也是计算机学科的一个重要分支[1]。近年来有较多研究成果,文献[2]结合MeanShift和目标颜色直方图实现了对目标的有效跟踪,但该算法对颜色变化敏感,当目标受到光照或者目标本身颜色发生变化时,容易丢失目标;文献[3]提出的CamShift算法,在目标颜色变化时仍可以有效跟踪目标,而且能够自适应调整跟踪区域,提高跟踪精度,当目标与背景颜色区别较大时具有良好的跟踪效果,但当目标与背景颜色相近时,容易发生跟踪漂移;基于Kalman滤波[4]的跟踪算法是一种最优化自回归数据处理算法,即在视频中寻找与目标最相近的物体,该算法可很好地预测线性系统中的目标,但如果模型是非线性的,跟踪将会失败;基于粒子滤波[5]的跟踪算法对非线性模型也有很好的跟踪效果,但容易受粒子退化现象影响。

目前,基于检测的跟踪技术由于其实时性好、跟踪准确性高且具有一定的抗遮挡能力而得到大量应用[6]。这类算法通过分类器在线判别视频中的目标类和背景类实现跟踪。文献[7]将压缩感知理论与朴素贝叶斯分类器相结合,提出实时压缩跟踪(Compressive Tracking,CT)算法,实现对目标的快速稳定跟踪,但该算法自身也存在一定的缺陷:压缩特征在正负类中的分布使用固定学习率进行更新,无法体现真实分布,影响跟踪准确性和抗遮挡能力;目标跟踪窗口无法随目标尺寸变化而调整,使跟踪窗口不能很好地包围目标物体,影响样本采集,降低跟踪鲁棒性。……