本文選題：視覺跟蹤　切入點：粒子濾波(PF)　出處：《光電子·激光》2016年03期

【摘要】：針對目標跟蹤中的場景易變和目標模板不穩(wěn)定等問題,提出了一種基于多特征自適應融合的分類采樣跟蹤算法。算法利用密集特征信息將目標模板用多個重疊子區(qū)域劃分,每個子區(qū)域對應一個多特征采樣窗口。利用多特征自適應融合構造強可區(qū)分性的目標模型,最大程度地提高各子區(qū)域之間的互補性,以增強目標模板的區(qū)分能力。在粒子濾波(PF)框架下,多特征自適應融合策略提高了目標觀測質量,保證跟蹤的持續(xù)穩(wěn)定。實驗結果表明,本文所提算法具有良好的目標跟蹤性能,并對動態(tài)場景、目標形變及遮擋情況具有較好的跟蹤準確性和魯棒性。
[Abstract]:In order to solve the problem of variable scene and unstable target template in target tracking, a classification sampling tracking algorithm based on multi-feature adaptive fusion is proposed.The algorithm uses dense feature information to divide the target template into multiple overlapped sub-regions, each of which corresponds to a multi-feature sampling window.The multi-feature adaptive fusion is used to construct a highly distinguishable target model to maximize the complementarity among sub-regions and to enhance the discriminative ability of target templates.In the framework of particle filter (PFV), multi-feature adaptive fusion strategy improves the quality of target observation and ensures the stability of tracking.Experimental results show that the proposed algorithm has good target tracking performance and has good tracking accuracy and robustness for dynamic scene, target deformation and occlusion.
【作者單位】： 常熟理工學院計算機科學與工程學院;江南大學物聯(lián)網(wǎng)工程學院;
【基金】：國家自然科學基金(61373055;61300186;41501461) 江蘇省自然科學基金(BK20140419) 江蘇省高校自然科學研究(14KJB52001) 常熟理工學院科研基金(XZ1309) 蘇州大學高校省級重點實驗室開放基金(KJS1522)資助項目
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前3條

1 盧芳;姚青;;業(yè)務流程中目標的可視化建模方法研究[J];計算機工程與應用;2011年21期

2 帕孜來·馬合木提;;實時微控制器與20-SIM仿真模型的共同仿真實現(xiàn)[J];計算機應用與軟件;2011年11期

3 ;[J];;年期

相關會議論文 前1條

1 呂國英;馮艷;李茹;;基于中文框架語義的信息抽取研究[A];第四屆全國信息檢索與內(nèi)容安全學術會議論文集（上）[C];2008年

相關碩士學位論文 前1條

1 陽魁;基于慣導信息的多視角目標模板校正與融合方法研究[D];國防科學技術大學;2011年

，

本文編號：1719894