24、视觉跟踪与生物启发计算视觉模型研究

视觉跟踪与生物启发计算视觉模型研究

1. 视觉跟踪算法

在视频序列中进行目标跟踪是计算机视觉领域的重要任务。这里提出了一种使用稀疏表示和连续优化的鲁棒目标跟踪算法。通过与现有的均值漂移跟踪器以及最近提出的使用 l1 最小化的粒子滤波器进行性能对比，结果表明该算法表现更优。

以下是不同序列下的跟踪误差对比情况：
| 序列 | 跟踪误差对比 |
| ---- | ---- |
| Sequence ThreePastShop2cor | 该算法在跟踪误差方面优于 MS 和 MEI 方法 |
| Sequence OneLeaveShopReenter2cor | 同样，该算法的跟踪误差更小 |

2. 生物启发计算视觉模型

生物进化赋予了人类视觉感知在面对不同环境中的各种视觉刺激时具有“最优”或“接近最优”的结构。人类视觉通路从视网膜到视觉皮层满足“够用即可”（NMTN）原则，这为机器视觉提供了启示。

2.1 模型概述

提出了一个三层的计算视觉模型：
- 光感受器收集输入图片的信息。
- 神经节细胞（GC）根据高斯差分（DoG）模型对光感受器的响应进行预处理。
- 类简单细胞（SC - like）神经元计算最终的表示。

graph LR
    A[光感受器] --> B[神经节细胞]
    B --> C[类简单细胞神经元]
    A -->|信息收集| C
    B -->|预处理| C

2.2