Visual tracking in image sequences using mixture models

Abstract

This thesis solves the problem of visual tracking in image sequences, which is a computer visions subfield. To solve this problem, mixture models of various distributions have been used in order to model the appearance of the object. The experimental results show that this appearance model improves the execution speed and the robustness of the tracker in cases of illumination change compared to standard modeling approaches, such as histograms.

Η διατριβή ασχολείται με το πρόβλημα της εκτίμησης αντικειμένων της κίνησης σε εικονοσειρές, το οποίο ανήκει στην ευρύτερη περιοχή της υπολογιστικής όρασης. Για την επίλυση του προβλήματος χρησιμοποιήθηκαν μικτά μοντέλα διαφόρων κατανομών για την αναπαράσταση του μοντέλου εμφάνισης του αντικειμένου. Τα πειραματικά αποτελέσματα δείχνουν ότι αυτός ο τρόπος αναπαράστασης έχει καλύτερες επιδόσεις όσον αφορά τον χρόνο εκτέλεσης και την ευστάθεια του αλγορίθμου σε μεταβολές της φωτεινότητας σε σχέση με κλασικές αναπαραστάσεις, όπως είναι τα ιστογράμματα.