一种新的基于在线采样的多物体跟踪方法

周杰宋靖雁朱琳

清华大学;

摘要：

跟踪多个运动物体,尤其是在遮挡过程中跟踪多个运动物体,是计算机视觉领域一个重要但具有挑战性的问题.该文提出了一种新的在线采样、更新学习和分类的跟踪框架来处理多物体跟踪问题.首先,对遮挡发生前若干帧的各物体进行块采样,作为训练样本进行在线分类器设计.各帧的物体区域也在线进行块采样,并用这些分类器来进行分类标号.如果遮挡没有发生,一些新的训练样本被添加用来更新分类器.当遮挡发生时,根据标号结果,前景区域被分割成多个目标物体.和以往方法相比,新方法不依赖于一些假设条件,如场景深度信息、物体的先验模型(比如形状、种类、区域内颜色各向同性、运动规律等),具有更好的适应能力.实验结果验证了该文方法的稳定性和有效性.

关键词：遮挡、多目标跟踪、在线采样

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

在线出版日期：2008-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：151-160