[发明专利]基于子区域的自适应随机投影视觉跟踪实验方法

摘要

本发明公开了一种基于子区域的自适应随机投影视觉跟踪实验方法，包括4个步骤：生成子区域、构建自适应观测矩阵、中值流跟踪、目标位置确定及参数更新；与现有技术相比，本发明设计了一种对光照，遮挡和尺度干扰有良好特性的视觉跟踪算法。为了缓解光照和遮挡干扰引起的目标外观变化，构建了基于颜色、纹理和空间特征融合的外观模型。为了跟踪目标尺度，设计了一种中值流跟踪策略计算相邻帧的尺度变化。大量实验表明，本文算法在准确度、精度、鲁棒性等方面优于部分state‑of‑the‑art算法，具有推广应用的价值。 1

主权项

1.一种基于子区域的自适应随机投影视觉跟踪实验方法，其特征在于，包括以下步骤：

参数配置：子区域数目为4，低维特征维度n为50，正样本搜索半径为4，负样本搜索半径为8‑20，分类器学习率γ为0.85，参数更新阈值为0；、

定量评估：采用success和precision参数定量评估跟踪效果，采用OPE/TRE/SRE三种策略评估算法对初始化的敏感性；

光照干扰：目标在运动过程中经历了不同程度的光照干扰，TLD跟踪算法强依赖于随机蕨特征构建的目标检测器辅助跟踪，随机蕨特征对光照变化具有不变性；Struck维护一套从前序帧中提取的支撑向量池，记录不同时刻的目标外观；

遮挡干扰：目标经历不同程度的遮挡干扰，MIL表现明显优于OAB和SemiB，MIL跟踪算法以包的形式表示训练数据以降低样本的歧义性，在线多实例特征选择算法能够更有效地提取判别能力强的Haar‑like特征；TLD效果优于MIL，主要受益于TLD中在线半监督PN学习机制，但是在若干帧中也表现出不够稳定，Struck表现良好，主要是因为使用了丰富的背景信息辅助跟踪算法实现前景和背景的分离；

尺度干扰：在尺度干扰下，TLD容易发生跟踪漂移，因为TLD算法过分依赖于第一帧的信息以重新检测目标，当路人快速走近和远离摄像头时，MSCT算法丢失了跟踪目标；当提取的关键点过少时，MSRP算法发生了跟踪漂移。