基于在線學習的視頻檢測與跟蹤技術研究.pdf

1、近年來，視頻檢測與跟蹤技術越來越受到人們的重視，發(fā)展也越來越快，這項技術已經成為智能化社會的一部分，與我們的生活息息相關。
　　在實際生活中，應用視頻檢測和跟蹤技術的目的在于:只要目標存在于攝像機鏡頭內，視頻檢測與跟蹤算法就應該能夠準確的定位到目標。然而在現實環(huán)境中，目標將不可避免的受形狀變化、光照條件變化、尺度變化、遮擋等情況影響，從而造成檢測跟蹤失敗。對于解決這種問題，國內外應用最多的方法是采用自適應視頻檢測與跟蹤算法，該種算

2、法能夠根據目標的自身狀態(tài)對檢測器和跟蹤器的各種參數進行實時的更新，以此來提高檢測跟蹤算法的魯棒性。本文通過建立一種在線學習機制來自適應目標的狀態(tài)變化和背景變化，以此達到較好的檢測跟蹤效果。本文算法的優(yōu)點是:通過在線學習機制對目標進行不斷的學習，以獲取目標的最新狀態(tài)特征，從而及時完善檢測跟蹤算法，提高檢測跟蹤算法的性能，以達到最佳的狀態(tài)。本文主要做了以下工作。
　　(1)對幾種在線學習視頻跟蹤算法做了深入研究，主要包括在線多實例學習

3、算法、在線boosting算法、在線半監(jiān)督boosting算法;在研究壓縮感知理論的基礎上，提出了一種基于特征選擇的實時壓縮感知跟蹤算法。大量實驗證明，壓縮感知理論在視頻跟蹤應用中是可行有效的，通過對壓縮后的數據做特征選擇，更能提高跟蹤的準確性。
　　(2)在研究最近比較流行的TLD在線學習跟蹤算法的基礎上，提出了一種結合膚色分割的TLD人手跟蹤，并對原始TLD算法的在線目標模型中的樣本選取方式和檢測時的樣本匹配方式做了改進，不僅