摘要:
为了克服基于检测的目标跟踪中的模型漂移问题，在基于检测的目标跟踪框架下提出一种新的基于图的流行排序的目标跟踪方法。该方法能够抑制在跟踪过程中目标变形、尺度变化以及遮挡等带来的背景信息的影响。首先，把目标矩形框划分为不重叠的图像块，构造一个k-正则图，即以这些图像块为图结点，构造k-正则图，边权定义为结点之间的底层特征的相似性。其次，为每一个图像块分配一个权重，用于表示该图像块在目标表达中的重要性，以此抑制背景信息的干扰，并通过半监督的方式进行计算。特别初始化一些背景或目标图像块，设其权重为1，其他为0，通过流行排序算法计算所有图像块属于背景或目标的权重。此外，使用多尺度特征金字塔的方法处理跟踪过程中的目标尺度变化，同时提高了初始图像块的可靠性。最后，把所有图像块的底层特征进行加权，连接成一个向量，作为矩形框的特征表达，并使用结构化输出（Struck）算法进行跟踪。在几个公共视频序列上进行了实验，结果表明，研究方法的跟踪性能极大地超过了其他跟踪方法。
