基于稀疏模型的在線目標(biāo)跟蹤課件

1、基于稀疏模型的在線目標(biāo)跟蹤視覺跟蹤算法簡單綜述目標(biāo)跟蹤1Xiang Xiang，“A Brief Review on Visual Tracking Methods”，Intelligent Visual Surveillance (IVS), 2011 Third Chinese Conference on，1-2 Dec. 2011.2 Dong Wang,Huchuan Lu, Ming-Hsuan Yang,”O(jiān)nline Object Tracking With Sparse Prototypes” IEEE Transaction on Image Processing ，VOL.

2、22,NO.1,Jan.2013.A Brief Review on Visual Tracking MethodsA Brief Review on Visual Tracking Methods Hot topic：在線自適應(yīng)外觀模型Key techniques：分類器在線方法樣本選擇漂移問題Challenges：場景變化目標(biāo)外觀變化圖像質(zhì)量不高在線處理 IMAGE REPRESENTATIONTypical Image Features顏色特征紋理特征形狀特征B. Feature Selection Methods算法目標(biāo)：使得target從background中區(qū)別出傳統(tǒng)方法：前向選擇

3、, 后向選擇, 分枝定界法“tracking-by-detection”APPERANCE MODELB. On-line Adaptation Methods如果希望外觀模型緊跟著光度與幾何變化，那么就需要自適應(yīng)更新外觀模型，因為在線自適應(yīng)允許目標(biāo)的表示無論在場景變化還是目標(biāo)外觀變化時，仍然能夠每幀保持其特征。近幾年來的研究對這方面都有所改善。在線外觀自適應(yīng)模型是一把雙刃劍。MOTION MODEL光流法（）貝葉斯過濾框架（）基于樣條模型 Online Object Tracking With Sparse PrototypesAbstract Introduction設(shè)計魯棒在線跟蹤算法的

4、難點跟蹤算法三元素魯棒跟蹤算法中建立外觀模型需要考慮的因素減少跟蹤漂移的相關(guān)工作本文算法的優(yōu)點 Introduction跟蹤算法三元素（1）An appearance（observation）model（2）A dynamic（motion）model（3）A search strategy本文：僅僅討論關(guān)鍵因素包括遮擋和運動模糊（appearance model） Introduction魯棒跟蹤算法中建立表示模型需要考慮的因素（1）如何表示跟蹤目標(biāo)，需要考慮目標(biāo)特征選取以及 描述模型算法（2）表示方法選擇生成模型還是判別模型（本文選擇生成模型）（3）如何進行在線學(xué)習(xí)以適應(yīng)目標(biāo)和背景的外觀變

5、化 Introduction本文算法的優(yōu)點（1）跟蹤目標(biāo)的緊湊表示方法（2）可以處理高分辨率圖像（3）能夠有效地解決遮擋問題（4）僅僅使用生成模型就可以解決局部遮擋問題 Related Work and ContextA.基于增量子空間學(xué)習(xí)的目標(biāo)跟蹤B.基于稀疏表示的目標(biāo)跟蹤C.本文算法 Related Work and Context Related Work and ContextA. 基于增量子空間學(xué)習(xí)的目標(biāo)跟蹤傳統(tǒng)PCA：1）將所有的訓(xùn)練圖像列向量化并計算均值，得到中心化矩陣2）對中心化矩陣進行SVD分解，得到特征值和特征向量。缺點：不適合在線學(xué)習(xí) Related Work and C

6、ontext Related Work and Context Related Work and Context 稀疏模型的目標(biāo)跟蹤A .Dynamic model1.設(shè)置目標(biāo)狀態(tài)參數(shù) 為了能很好地表示一個目標(biāo)，首先得設(shè)定目標(biāo)窗口的狀態(tài)信息，表示如下：xt yt 表示目標(biāo)窗口中心點坐標(biāo)，st表示目標(biāo)窗口投影到低維空間的比例，t表示目標(biāo)窗口后一幀與前一幀的旋轉(zhuǎn)角度，t表示目標(biāo)窗口高度與寬度所對應(yīng)的方向角，t表示目標(biāo)窗口相對于x軸的角度2.仿射投影變換 對連續(xù)兩幀間的目標(biāo)運動模型化，進行降維3.選取樣本 稀疏模型的目標(biāo)跟蹤 稀疏模型的目標(biāo)跟蹤B. Observation Model（2）計算似然函數(shù)（通過圖像塊的重建誤差）傳統(tǒng)方法： 未考慮遮擋本文方法： 加入懲罰項 稀疏模型的目標(biāo)跟蹤C. 觀測模型的更新（1）每一個瑣碎模板代表一個像素點，前面的非零項系數(shù)就代表該像素點被遮擋。（2）計算非零項系數(shù)占總瑣碎模板系數(shù)的百分比，設(shè)定兩個閾值，tr1和tr2;（3）若tr1,則表示幾乎沒有遮擋，則將得到的目標(biāo)作為樣本放入樣本包里；若tr1=tr2,則表示目標(biāo)受到嚴(yán)重遮擋，則直接將該樣本舍棄。 稀疏模型的目標(biāo)跟蹤 Experiments Conclusion本文綜合利用子空間模型和稀疏表示