物体跟踪之一分块跟踪器的思想介绍

  分块跟踪器

在计算机视觉领域中，物体跟踪是重要的课题之一。而其核心问题是当物体发生遮挡如何处理。针对这个问题，很多学者提出了自己的看法，其中一类方法是分块计算的思想。下面介绍一下这个算法的思路，供大家参考。

 

1           物体区域分割。将区域分割成c块，每个小块为m*m像素大小。

2           当下一帧到，计算每个小块的运动位置，此可以用多种方法得到。

3            根据每个小块的运动位置，推算物体的整体运动位置和范围。

4           小块处理。观察物体的运动位置中对应的重采用小块和原来该小块跟踪后的小块，比较两者的距离，小于门限，认为正常，大于门限认为可能出现了outlier，那么该小块用重采样的小块代替。

5           模型更新。当前物体区域是否要加入到模型中，取决于物体的部分中多数是正常的。并且用此区域和模型中的其他N个模型比较，得到N个比较值（越小越好），如果N个中的中值小于门限。认为是可以接受的模型，那么将此物体区域划入模型中，并将N个模型中最老的去除。

评价:

1 此方法在线建模，对跟踪物体保存N个像素级的物体模型。单就这种存储模型来说，这不是一个好的想法。模型占内存太大，要改进。

2 对物体分块，可以抗遮挡。