在視頻序列的實(shí)時(shí)目標(biāo)跟蹤中,針對(duì)經(jīng)典均值漂移跟蹤（MST）方法不能應(yīng)對(duì)遮擋、尺度變化等問(wèn)題,提出一種結(jié)合MST、自學(xué)習(xí)尺度探測(cè)器和粒子濾波的跟蹤方法。采用MST算法在視頻幀中跟蹤目標(biāo),當(dāng)目標(biāo)收斂到局部最小值時(shí)重新初始化目標(biāo)。提出一種基于在線學(xué)習(xí)的探測(cè)器,用來(lái)自適應(yīng)更新MST的目標(biāo)模型,使其能夠自動(dòng)調(diào)整目標(biāo)尺度。另外,當(dāng)出現(xiàn)完全遮擋時(shí),啟動(dòng)粒子濾波器,通過(guò)概率計(jì)算來(lái)估計(jì)目標(biāo)位置,使MST能夠在目標(biāo)離開(kāi)遮擋時(shí)恢復(fù)跟蹤。在通用數(shù)據(jù)集PETS視頻序列上的實(shí)驗(yàn)結(jié)果表明,相比其他幾種較新的MST方法,提出的方法具有更高的跟蹤準(zhǔn)確性,可以應(yīng)用于實(shí)時(shí)檢測(cè)和目標(biāo)跟蹤等應(yīng)用中。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 引言
2 目標(biāo)跟蹤方法的框架
3 均值漂移跟蹤器
    3.1 均值漂移算法
    3.2 跟蹤器的模型更新
4 具備在線學(xué)習(xí)的探測(cè)器
    4.1 方差濾波器
    4.2 集成分類(lèi)器
    4.3 模型匹配
    4.4 在線學(xué)習(xí)
5 基于粒子濾波的位置估計(jì)
6 實(shí)驗(yàn)及分析
    6.1 實(shí)驗(yàn)設(shè)定
    6.2 性能指標(biāo)
    6.3 性能評(píng)估
7 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合SURF與Kalman濾波的CAMShift跟蹤算法[J]. 張磊,彭力.  電子測(cè)量與儀器學(xué)報(bào). 2017(03)
[2]基于圖像分類(lèi)與多算法協(xié)作的目標(biāo)跟蹤算法[J]. 鄭浩,董明利,潘志康.  計(jì)算機(jī)工程與應(yīng)用. 2018(04)
[3]基于多特征概率分布的均值漂移行人跟蹤算法[J]. 王愛(ài)麗,董寶田,武鴻源.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(08)
[4]似然相似度函數(shù)在目標(biāo)跟蹤中的魯棒機(jī)理研究[J]. 邸男,朱明,韓廣良.  軟件學(xué)報(bào). 2015(01)
[5]融合局部三值數(shù)量和色度信息的均值漂移跟蹤[J]. 張紅穎,胡正.  電子與信息學(xué)報(bào). 2014(03)
[6]基于顏色紋理特征的均值漂移目標(biāo)跟蹤算法[J]. 戴淵明,韋巍,林亦寧.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2012(02)
[7]卡爾曼粒子濾波的視頻車(chē)輛跟蹤算法研究[J]. 王相海,方玲玲,叢志環(huán).  中國(guó)圖象圖形學(xué)報(bào). 2010(11)



本文編號(hào)：3687690