發(fā)布時(shí)間：2024-04-24 19:35

　　目標(biāo)檢測跟蹤算法在智能監(jiān)控和人機(jī)交互中有著廣泛的應(yīng)用,而復(fù)雜場景下的跟蹤技術(shù)研究在計(jì)算機(jī)視覺領(lǐng)域中具有重要的理論意義和商業(yè)價(jià)值。為解決復(fù)雜場景(光照變化、尺度變化、遮擋等)中由于主客觀因素變化所導(dǎo)致的目標(biāo)漂移問題,采集目標(biāo)區(qū)域相鄰的背景圖像塊來獲得更多的背景特征,并將背景圖像塊添加到目標(biāo)函數(shù)中來實(shí)現(xiàn)對目標(biāo)圖像塊的限制。將結(jié)合了背景空間信息的方法集成到相關(guān)濾波器框架上,在現(xiàn)有公開數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,在一些復(fù)雜場景下的跟蹤效果得到了改善和提高,能夠在不影響幀率的情況下,有效提高目標(biāo)跟蹤的成功率和準(zhǔn)確性,優(yōu)于其他相關(guān)濾波跟蹤器。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖4SRE的成功率結(jié)果圖(AUC)

圖4SRE的成功率結(jié)果圖(AUC)圖5TRE的精度圖

圖1算法整體框架

算法整體框架如圖1所示。在相關(guān)濾波器的基礎(chǔ)上,對目標(biāo)鄰近的背景圖像塊采集信息并以圖像矩陣的形式添加到濾波器中。為保證背景信息對目標(biāo)塊檢測的支持,避免干擾,在式(2)中,添加參數(shù)來控制背景信息的程度,使得濾波器的速率基本不受到太大的影響并提高了特定場景(遮擋、光照變化、快速運(yùn)動(dòng)等)....

圖2采樣策略

采樣策略的復(fù)雜性和負(fù)樣本采樣數(shù)量對跟蹤性能有較大的影響,所以采樣策略是決定算法性能的關(guān)鍵。如圖2所示,背景采樣信息來自目標(biāo)圖像塊相鄰的4個(gè)負(fù)樣本區(qū)域[Α1,Α2,Α3,Α4],這些背景區(qū)域圖像塊與背景圖像塊有小范圍的區(qū)域是重疊的。負(fù)樣本的作用是保證在檢測過程中目標(biāo)塊識別率更高,不....

圖3運(yùn)行結(jié)果

圖3中,接近跟蹤目標(biāo)區(qū)域的兩個(gè)框分別為BS-SAMF、BS-STAPLE算法結(jié)果,遠(yuǎn)離跟蹤目標(biāo)區(qū)域,甚至跟蹤失敗的框分別是SCM、TLD算法結(jié)果�？梢钥闯�,在剛開始的跟蹤過程中,各個(gè)方法基本上都可以實(shí)現(xiàn)目標(biāo)的跟蹤,但隨著目標(biāo)的運(yùn)動(dòng)和背景的變化,一些方法受到光照變化、目標(biāo)旋轉(zhuǎn)等復(fù)雜....

本文編號：3963419