基于FREAK和P3CA的鲁棒目标跟踪

作     者：王宇霞 赵清杰 赵留军 WANG Yu-Xia;ZHAO Qing-Jie;ZHAO Liu-Jun

作者机构：北京理工大学计算机学院智能信息技术北京市重点实验室北京100081 

出 版 物：《计算机学报》 (Chinese Journal of Computers)

年 卷 期：2015年第38卷第6期

页      面：1188-1201页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61175096 61300082)资助 

主　　题：目标跟踪 快速视网膜特征 主成分-典型相关分析 主成分分析 典型相关分析 

摘      要：在粒子滤波框架下,提出了基于快速视网膜特征点(Fast Retina Keypoint,FREAK)和主成分-典型相关分析(Principal Component-Canonical Correlation Analysis,P3CA)的目标跟踪算法.该文提出的基于FREAK的多模态运动模型提高了目标位置预测准确性,缩小了目标搜索空间.基于P3CA的外观模型利用图像子区域间的典型相关性衡量候选目标的优劣,解决了基于全局信息外观模型对遮挡敏感的问题;利用主成分分析在数据降维方面的优势,解决了典型相关分析用于跟踪存在的小样本问题,降低了计算开销.同时,P3CA在线更新算法使跟踪器可以更好地应对跟踪过程中目标外观变化.通过在多个具有挑战性的视频上与多种优秀算法对比实验表明,该文的方法可以很好地应对光照变化、遮挡、旋转以及复杂背景等问题.