基于局部块样本的视觉目标跟踪算法

【摘要】：在目标追踪领域,基于在线学习的检测器追踪方法获得了很好的效果。但是,大多数方法都局限于以仿射变换的方法调整跟踪框尺寸来表示目标的缩放变化,无法滤除遮挡物,而且不能处理目标被完全遮挡或消失的场景。为了解决这些问题,本文提出一种基于局部块样本的检测器跟踪算法。该算法结合ferns分类器的在线学习方法和局部块样本定位策略,跟踪目标,并以重采样策略校正目标中心,缩放定位框尺寸,滤除背景噪声和遮挡物。该算法中建立了一种新的目标可信度评估标准,以此优化在线学习方法,使其能够适应目标被完全遮挡或消失的场景。本文采用复杂环境下的视频序列进行实验,并与其它先进算法做对比。结果表明,该算法在跟踪刚性和非刚性目标时,都具有良好的准确性和鲁棒性。