基于直方图和铰接分块的视觉跟踪.pdfVIP

基于直方图和铰接分块的视觉跟踪 摘要：本文我们提出一种通过对外表和形状在线更新，对铰接式 目标实现精确跟 踪的算法。实现该目标的挑战是如何有效精确地用直方图对前景外观建模。 在该算法中，不断变化的前景形状通过少量的矩形块建模，它们的位置在跟 踪窗口中自适应地确定。在假设前景外观固定不变的条件下，可以看到，通 过自适应调整这些分块的位置可以实现目标跟踪的鲁棒性。在没有大量优化 的条件下，在 3GHz 的机器上运行MATLAB 程序时，我们的跟踪器可以达到每 秒处理 3.7 帧的速度。实验结果表明，该算法能够有效地跟踪在外观和形状 有较大变化的铰接式目标。 1 介绍 建立一个准确、高效、稳健的视觉追踪器总是充满挑战，当目标的形状和外观 一样经历重大和快速的改变时，这一任务变得更难。当观众沉浸在享受世界著名滑 冰运动员精湛的表演时（图 1），他们优美的动作和令人眼花缭乱的姿势给视觉跟 踪器提供了多重挑战。在此示例（及其他许多示例中），当前景密度分布保持大致 稳定时，外观的变化主要是由于形状改变。接下来，一个重要的问题是，在大量形 状改变中，如何高效地采用弱外观恒定假设达到准确的视觉跟踪。 强度直方图也许是表示对象外观的最简单的方法，基于这一想法的跟踪算法在 文献中 （例如，[3, 7]）比比皆是。对于矩形形状，高效的算法例如对积分图 [25] 和积分直方图[20]，已经成功应用于目标检测和跟踪[1]。尤其是，它可以实现快 速扫描整个图像进行目标定位。但是，计算不规则形状区域的强度直方图，不能使 用这些方法有效、快速地实现。在跟踪时，为了处理直方图的上下文的形状变化， 一般想法是使用 （圆形或椭圆形）的内核[10，19]定义一个目标周围的区域，这样， 目标的加权直方图是可以计算的。但是使用这种方法进行图像的快速扫描是不可行 的 ；相反，可以设计不同的算法反复迭代趋向于目标对象[7]。不过，对于有快速 和大幅度移动的跟踪序列，不同的算法不确定性不同。在某种程度上，内核对不规 则形状强加了规则约束，从而，将计算不规则形状的强度直方图的难题转变成一 个简单的问题，即从常规形状中简单地估计直方图。 图1 直方图算法和本文算法跟踪结果对比 顶部图片是只使用直方图表示目标外观的跟踪结果，效果经常不理想 底部图片是使用本文提出算法的运行结果，跟踪窗口与目标位置一致 处理不规则形状的另一个方法是将目标用规则形状包围起来（例如一个矩形窗 口），然后计算封闭区域的直方图。然而，因为前景形状不能密切近似，背景像素 就不可避免地被包括在内。因此，由此产生的直方图会因为背景像素而损坏，跟踪 效果也会降低（例如图 1 所示不稳定或抖动的结果）。此外，缺乏空间信息完成 的直方图也是不可取的。对于没有明显形状变化例如脸跟踪，利用强度直方图作为 主要的跟踪特征[3]是足够的。但是，对于有明显形状变化的目标，外观的空间部 分也是非常突出的，仅仅单纯地利用强度直方图是不充分的，独自使用往往会产生 不稳定的跟踪结果。 上述的每个问题都有一定程度的解决（例如用于编码空间信息的空间分布直方 图[4]）。然而，这些算法大多数都需要大量的计算时间，因此这些算法只适用于 局部有哪些信誉好的足球投注网站，对于需要全局扫描的图像不可行。因此，这样的算法不能用于跟踪快速 移动的目标。在本文中，我们提出一种跟踪算法用于解决上述问题，同时，它与使 用（普通）积分直方图[20]的跟踪算法相比，也具有运行时间可比性。本文提出的 算法包括全局扫描、 局部细化和更新步骤。主要思路就是利用直方图进行高效的 外观表示，直方图可以轻松地计算和比较，这样，目标对象可以通过扫描整个图像 进行定位。形状更新，通常需要更详细的算法，本文中通过调整跟踪窗里的几个小 块实现。具体而言，我们使用少量分块覆盖不规则形状来进行近似，这些分块之间 重叠最小。因为跟踪窗口通常都很小，我们可以在不明显增加运行时间复杂度的条 件下，采用快速分割算法提取出目标轮廓。然后，我们通过局部调整这些分块，以 便它们能够对前景目标的覆盖范围达到最大。 我们的算法中的自适应结构包含分块配置和它们对应的权重。目标对象的形状 通过分块配置松散地表示，它的外观通过强度分布和这些分块对应的权重表示。这 样做的同时，目标外观的空间信息成分也被松散地编码在块结构中。此外，这些矩