基于目标检测的时空上下文跟踪算法
2018-09-11李珑,刘凯,李玲
李 珑,刘 凯,李 玲
(西安电子科技大学 计算机学院,西安 710071)
0 概述
计算机视觉随着自动化和智能化的兴起,已经成为许多行业的技术前提。而目标跟踪作为其中的重要部分,在军事制导、安全监控以及公共安全等众多领域中有着普遍的应用。例如,在军事制导中,导弹能够命中目标就需要对目标物体进行跟踪和定位。在日常生活中,随处可见的监控设施为人身安全提供了极大的保障,而这需要对人脸的识别和检测。因此,对目标跟踪算法进行研究具有实际价值和用途。
目前,在光照以及阴影变化、尺度变化、复杂背景、 目标旋转以及目标被部分甚至完全遮挡的挑战性环境中,实现鲁棒的视觉跟踪仍然存在着挑战。近年来研究者们经过不懈的努力,提出了大量优秀的视觉跟踪算法,如多实例学习算法(Multiple Instance Learning,MIL)[1]、视觉跟踪分解算法(Visual Tracking Decomposition,VTD)[2]、多任务跟踪算法(Multi-Task Tracking,MTT)[3]、在线AdaBoost特征跟踪算法(On-line AdaBoosting,OAB)[4]、跟踪、学习、检测算法(Tracking-Learning-Detection,TLD)[5]以及Struck[6]算法等。
文献[7]提出的一种时空上下文目标跟踪算法(Spatio-Temporal Context,STC),使用目标周围的稠密上下文信息来跟踪目标位置,算法能够有效地应对各种复杂环境下的目标跟踪。相比其他跟踪算法,STC在准确率和鲁棒性上表现良好。然而,STC算法的一个不足就是在目标出现完全遮挡的情况时,跟踪目标可能会丢失。同时,因为STC算法没有检测的功能,所以目标再次出现时也不能检测到目标。
针对上述情况,本文提出一种基于粒子滤波的时空上下文跟踪算法(Particle Filtering Spatio-Temporal Context,PSTC)。对于视频序列的每一帧,通过计算颜色直方图得到的巴氏系数,判断是否发生全局遮挡,如果巴氏系数大于设定阈值,使用原有的STC算法来预测跟踪结果,否则,使用粒子滤波来预测跟踪结果。……
