本文關(guān)鍵詞： 圖像處理 視覺跟蹤 特征融合 協(xié)方差矩陣 邊緣 局部二值模式　出處：《光學學報》2017年09期 　論文類型：期刊論文

【摘要】：為提高視覺目標跟蹤算法的穩(wěn)健性,提出一種基于協(xié)方差矩陣的多特征融合跟蹤算法。在量子遺傳算法框架下,采用區(qū)域協(xié)方差描述子對顏色、邊緣和紋理特征進行融合,并采用一種快速協(xié)方差交叉算法進行模型更新。該算法綜合利用了區(qū)域協(xié)方差描述子維數(shù)較低,量子遺傳算法收斂速度快且全局尋優(yōu)能力強和快速協(xié)方差交叉算法快速計算的特點,能極大地提高了融合、匹配與更新過程的運算效率,實現(xiàn)了快速有效的多特征融合跟蹤。實驗結(jié)果表明,該算法能夠有效應(yīng)對遮擋、旋轉(zhuǎn)、形變和運動模糊等多種復雜變化的干擾,實現(xiàn)對目標的快速穩(wěn)健跟蹤。
[Abstract]:In order to improve the robustness of the visual target tracking algorithm, proposed a multi feature fusion tracking algorithm based on covariance matrix. In quantum genetic algorithm framework, using the region covariance descriptor for color fusion edge and texture features, and uses a fast covariance intersection algorithm model is updated. This algorithm integrates region covariance descriptor dimension low convergence speed and fast quantum genetic algorithm with strong global searching ability and fast covariance fast calculation of intersection algorithm, can greatly improve the fusion, and update process operation efficiency, achieve rapid and effective multi feature fusion tracking. The experimental results show that the algorithm can effectively deal with occlusion, rotation. Deformation and motion blur interference of a variety of complex changes, to achieve fast and robust target tracking.

【作者單位】： 中國人民解放軍空軍工程大學信息與導航學院;
【基金】：國家自然科學基金(61473309,41601436) 陜西省自然科學基礎(chǔ)研究計劃項目(2016JM6050)
【分類號】：TP391.41
【正文快照】： 視覺跟蹤是計算機視覺領(lǐng)域的一個重要課題,已廣泛應(yīng)用于視頻監(jiān)控[1]、人機交互[2]和增強現(xiàn)實[3]等領(lǐng)域。近年來,專家學者們針對該課題進行了大量研究,提出了許多優(yōu)秀的跟蹤算法。實際跟蹤中復雜的場景變化難以預測,容易出現(xiàn)局部或全局遮擋、光照變化、姿態(tài)變化、尺度變化等多

【相似文獻】

相關(guān)期刊論文 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標跟蹤[J];計算機工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動化學報;2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標跟蹤[J];西安工業(yè)大學學報;2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計算機光盤軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚;董才林;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計算機工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學學報(自然科學版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標注[J];東北林業(yè)大學學報;2008年10期

9 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測[J];計算機系統(tǒng)應(yīng)用;2009年11期

10 劉紅;王曄;雷長海;;基于多特征融合的中醫(yī)舌像檢索研究[J];計算機應(yīng)用研究;2010年02期

相關(guān)會議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓曉旭;尹鵬;;基于多特征融合的藥用植物標本識別[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

相關(guān)博士學位論文 前6條

1 劉明華;復雜環(huán)境下基于多特征融合的目標跟蹤關(guān)鍵技術(shù)研究[D];青島科技大學;2016年

2 SAEED-UR-REHMAN;基于機器學習的排序優(yōu)化及其在行人再識別中的應(yīng)用研究[D];中國科學技術(shù)大學;2017年

3 田綱;基于多特征融合的Mean shift目標跟蹤技術(shù)研究[D];武漢大學;2011年

4 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學;2012年

5 陳秀新;多特征融合視頻復制檢測關(guān)鍵技術(shù)研究[D];北京工業(yè)大學;2013年

6 初紅霞;基于均值移動和粒子濾波的目標跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學;2012年

相關(guān)碩士學位論文 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標檢索技術(shù)研究[D];哈爾濱工業(yè)大學;2015年

2 計明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學;2015年

3 王慶;基于多特征融合的人體動作識別方法研究[D];上海大學;2015年

4 劉婕;復雜場景多特征融合粒子濾波目標跟蹤[D];重慶理工大學;2015年

5 崔劍;基于多特征融合的分級行人檢測方法研究[D];電子科技大學;2015年

6 王建榮;基于多特征融合的無人機航拍圖像識別研究[D];成都理工大學;2015年

7 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學;2014年

8 坎啟嬌;基于多特征融合的多目標跟蹤算法[D];河北工業(yè)大學;2015年

9 張小琴;基于多特征融合的車輛品牌識別方法研究[D];東南大學;2015年

10 謝振哲;圖像通用隱寫檢測中的多特征融合方法[D];福州大學;2013年

，

本文編號：1466531