Chương 2 CƠ SỞ LÝ THUYẾT
2.4. Lọc theo mức độ tương quan của hàm nhân
2.4.1. Các vấn đề liên quan
Theo dõi và phát hiện đối tượng đã được nghiên cứu rộng rãi [29], [30], [31] [32], [33]. Vì những trình theo dõi này thường phân biệt mục tiêu theo dõi từ nền với các trình phân loại, chúng được phân loại là trình theo dõi phân biệt. Các thuật toán phân loại như máy vectơ hỗ trợ [30], [32], [33], [34], [35], tăng
Hình 2.12. Các mẫu huấn luyện thu được bằng cách thay đổi theo chu kỳ của một mẫu cơ sở không thể đại diện cho nội dung hình ảnh
nhiên [11], tự huấn luyện [38] và mạng tích chập [39], [40] đã được áp dụng trong các phương pháp theo dõi và phát hiện đối tượng.
Ma et al. [39] đề xuất các bộ lọc mức độ tương quan trên mỗi lớp tích chập và suy luận phân cấp đáp ứng tối đa trên mỗi lớp để xác định vị trí mục tiêu. Để theo dõi dài hạn, phương pháp phát hiện dựa trên học để theo vết đối tượng (Tracking-Learning-Detection – TLD) đã huấn luyện mẫu tích cực (positive) lẫn mẫu tiêu cực (negative) để chọn mẫu thích hợp và sử dụng phân loại tăng cường [31].
Gần đây nhiều bộ theo dõi sử dụng bộ lọc theo mức độ tương quan mang lại kết quả cao nhờ vào các phương pháp tính toán [26], [27], [41], [42], [43]. Các thuật toán này sử dụng tích chập hai ma trận trong miền không gian bằng các phần tử nổi trội trong miền Fourier để thực hiện huấn luyện nhanh và phát hiện đối tượng. Dựa trên lý thuyết này, MOSSE [25] được đưa ra trình phân loại phân biệt bằng cách làm giảm tổng bình phương lỗi nhỏ nhất. Danelljan et al. [44] mở rộng trình theo dõi MOSSE bằng việc ước tính tỷ lệ.
Henriques et al. [42] sử dụng tính chất của ma trận tuần hoàn và bộ lọc theo mức độ tương quan của hàm nhân để đạt được hàng trăm khung hình mỗi giây [14] và sau đó tiếp tục cải thiện thuật toán bằng cách sử dụng các đặc trưng HOG (Histogram Of Gradient) [27].
Với những vấn đề của các bài toán như đối tượng bị che khuất, chuyển động nhanh, thay đổi ánh sáng thì nhiều phương pháp mới được được ra để cải thiện hiệu suất của bộ theo dõi dựa trên bộ lọc mức độ tương quan [45], [46], [47], [48]. Để khắc phục những vấn đề trên Li và Zhu [43] đề xuất mô hình mang lại hiệu quả cao với nhiều đặc trưng như biểu đồ của Gradient và đặt tên màu (color-naming) để tăng hiệu suất theo dõi. Danelljan