【摘要】：針對跟蹤過程中遮擋導(dǎo)致錯誤累積而產(chǎn)生目標(biāo)漂移甚至目標(biāo)丟失的問題,提出多示例學(xué)習(xí)分塊目標(biāo)跟蹤方法。該方法以隨機蕨為基礎(chǔ)檢測器,通過多示例學(xué)習(xí)在線更新檢測器,提高檢測器對目標(biāo)變化的適應(yīng)能力及學(xué)習(xí)的準(zhǔn)確性。將目標(biāo)均勻分成多個子塊,選取部分子塊作為候選集合,每個候選塊分配一個檢測器,利用檢測器完成每個候選塊的跟蹤,根據(jù)候選塊的信息確定目標(biāo)最終位置。實時檢測候選塊的有效性,替換無效的候選塊,提高跟蹤的魯棒性。在目標(biāo)被遮擋等復(fù)雜條件下,與目前主流跟蹤算法進行了對比實驗,結(jié)果表明該算法能夠有效解決目標(biāo)漂移甚至跟蹤丟失問題,具有更高的跟蹤精確度及更好的魯棒性。
[Abstract]:In order to solve the problem of object drift or even target loss caused by the error accumulation caused by occlusion in tracking process, a multi-example learning block tracking method is proposed in this paper. Based on the random fern detector, the online update detector is studied by many examples to improve the adaptability and accuracy of the detector to the change of target. The target is evenly divided into several sub-blocks and selected as candidate set. Each candidate block is assigned a detector. The detector is used to complete the tracking of each candidate block, and the final location of the target is determined according to the information of the candidate block. The validity of candidate blocks is detected in real time and the invalid candidate blocks are replaced to improve the robustness of tracking. Compared with the current mainstream tracking algorithms, the proposed algorithm can effectively solve the problem of target drift and even tracking loss, and has higher tracking accuracy and better robustness.
【作者單位】： 長春理工大學(xué)電子信息工程學(xué)院;長春理工大學(xué)機電工程學(xué)院;
【基金】：吉林省科技發(fā)展計劃項目(20130101179JC) 教育部留學(xué)基金委留學(xué)歸國人員科研啟動基金(教外師留1685)
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前5條

1 賈松敏;文林風(fēng);王麗佳;;基于多模板回歸加權(quán)均值漂移的人體目標(biāo)跟蹤[J];光學(xué)精密工程;2016年09期

2 羅艷;項俊;嚴(yán)明君;侯建華;;基于多示例學(xué)習(xí)和隨機蕨叢檢測的在線目標(biāo)跟蹤[J];電子與信息學(xué)報;2014年07期

3 陳東成;朱明;高文;孫宏海;楊文波;;在線加權(quán)多示例學(xué)習(xí)實時目標(biāo)跟蹤[J];光學(xué)精密工程;2014年06期

4 顏佳;吳敏淵;;遮擋環(huán)境下采用在線Boosting的目標(biāo)跟蹤[J];光學(xué)精密工程;2012年02期

5 薛陳;朱明;劉春香;;遮擋情況下目標(biāo)跟蹤算法綜述[J];中國光學(xué)與應(yīng)用光學(xué);2009年05期

【共引文獻】

相關(guān)期刊論文 前10條

1 朱文青;劉艷;卞樂;張子龍;;基于生成式模型的目標(biāo)跟蹤方法綜述[J];微處理機;2017年01期

2 盧健;潘峰;李陽;;基于模糊推理的多特征融合粒子濾波算法[J];計算機與數(shù)字工程;2017年02期

3 才華;陳廣秋;劉廣文;程帥;于化東;;遮擋環(huán)境下多示例學(xué)習(xí)分塊目標(biāo)跟蹤[J];吉林大學(xué)學(xué)報(工學(xué)版);2017年01期

4 曹東;付承毓;金鋼;;基于機器學(xué)習(xí)的目標(biāo)跟蹤算法研究綜述[J];計算機科學(xué);2016年12期

5 李亮;;智能視頻監(jiān)控中目標(biāo)跟蹤技術(shù)仿真研究[J];電腦知識與技術(shù);2016年28期

6 王明波;;運動目標(biāo)跟蹤方法綜述[J];計算機與數(shù)字工程;2016年11期

7 王秉;王子衡;;非高斯噪聲背景下計算機視覺目標(biāo)跟蹤方法[J];華僑大學(xué)學(xué)報(自然科學(xué)版);2016年06期

8 白曉紅;溫靜;趙雪;陳金廣;;基于加速魯棒特征和多示例學(xué)習(xí)的目標(biāo)跟蹤算法[J];計算機應(yīng)用;2016年11期

9 王亞文;陳鴻昶;李邵梅;高超;;融合遮擋感知的在線Boosting跟蹤算法[J];通信學(xué)報;2016年09期

10 賈松敏;文林風(fēng);王麗佳;;基于多模板回歸加權(quán)均值漂移的人體目標(biāo)跟蹤[J];光學(xué)精密工程;2016年09期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 王麗佳;賈松敏;李秀智;盧迎彬;;分塊多特征目標(biāo)描述子的移動機器人目標(biāo)跟蹤[J];控制與決策;2016年02期

2 鄭超;陳杰;陶會峰;殷松峰;楊星;王一程;;基于改進亮度變化函數(shù)實現(xiàn)紅外圖像中行人跟蹤[J];光學(xué)精密工程;2015年10期

3 修春波;魏世安;;顯著性直方圖模型的Camshift跟蹤方法[J];光學(xué)精密工程;2015年06期

4 喬立永;徐立新;高敏;;帶寬自適應(yīng)均值偏移紅外目標(biāo)跟蹤(英文)[J];紅外與激光工程;2015年01期

5 汪方斌;洪津;孫曉兵;王羿;胡亞東;;基于支持向量機預(yù)測偏振模式[J];光學(xué)精密工程;2014年11期

6 胡良梅;段琳琳;張旭東;楊靜;;融合顏色信息與深度信息的運動目標(biāo)檢測方法[J];電子與信息學(xué)報;2014年09期

7 賈松敏;王爽;王麗佳;李秀智;;CTF定位策略下基于多特征的智能機器人目標(biāo)跟蹤[J];上海交通大學(xué)學(xué)報;2014年07期

8 陳東成;朱明;高文;孫宏海;楊文波;;在線加權(quán)多示例學(xué)習(xí)實時目標(biāo)跟蹤[J];光學(xué)精密工程;2014年06期

9 張紅穎;胡正;;融合局部三值數(shù)量和色度信息的均值漂移跟蹤[J];電子與信息學(xué)報;2014年03期

10 初紅霞;謝忠玉;王君祥;李占英;李欣;;空間相關(guān)背景加權(quán)直方圖均值漂移目標(biāo)跟蹤[J];控制與決策;2014年03期

【相似文獻】

相關(guān)期刊論文 前10條

1 董寧;文志強;余波;;基于防反射邊界的圖像分塊反降晰研究[J];計算機工程;2011年11期

2 李泉永;;一個使用較少外存的分塊直接解法及其在天線結(jié)構(gòu)分析中的一個應(yīng)用[J];桂林電子工業(yè)學(xué)院學(xué)報;1984年01期

3 金淳浩;周桅;;動態(tài)分塊快速網(wǎng)格化方法[J];物探化探計算技術(shù);1988年04期

4 韓永飛;分塊果園法的證明[J];吉林大學(xué)自然科學(xué)學(xué)報;1989年02期

5 周平;劉曉潔;;基于兩級分塊的文件同步方法[J];計算機工程與設(shè)計;2014年03期

6 舒輝,康緋;一個新的循環(huán)分塊算法[J];計算機研究與發(fā)展;2002年10期

7 劉立祥,謝劍英,張敬轅;利用分塊循環(huán)矩陣對離散圖象進行重建[J];計算機工程與應(yīng)用;2003年14期

8 王春發(fā) ,陳國華,楊萬里,羅馬吉;螺旋進氣道三維分塊結(jié)構(gòu)化貼體網(wǎng)格的生成[J];小型內(nèi)燃機與摩托車;2003年04期

9 曾璞;吳玲達;文軍;;基于分塊潛在語義的場景分類方法[J];計算機應(yīng)用;2008年06期

10 李泉永;;分塊解法在天線背架結(jié)構(gòu)計算中的一個應(yīng)用[J];桂林電子工業(yè)學(xué)院學(xué)報;1982年01期

相關(guān)會議論文 前9條

1 任安祿;鄧見;;分塊法求解圓球強迫對流場[A];第十一屆全國水動力學(xué)學(xué)術(shù)會議暨第二十四屆全國水動力學(xué)研討會并周培源誕辰110周年紀(jì)念大會文集（上冊）[C];2012年

2 陳宜穩(wěn);王威;王潤生;;分塊建模和點建模聯(lián)合的背景重建方法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 伍中平;;雙向不等高正交鋼管桁架分塊整體提升施工技術(shù)[A];大型復(fù)雜鋼結(jié)構(gòu)建筑工程施工新技術(shù)與應(yīng)用論文集[C];2012年

4 鄒李;杜小勇;何軍;;B3:圖間節(jié)點相似度分塊計算方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯二[C];2010年

5 竇朝暉;;影響分塊算法性能的主要因素[A];面向21世紀(jì)的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

6 肖永浩;黃清南;;基于分塊數(shù)據(jù)結(jié)構(gòu)的沖擊問題并行計算[A];中國計算力學(xué)大會'2010（CCCM2010）暨第八屆南方計算力學(xué)學(xué)術(shù)會議（SCCM8）論文集[C];2010年

7 戴妍峰;劉藻珍;;空間望遠鏡分塊式主鏡面形控制系統(tǒng)建模[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

8 李嘉偉;孫明;;基于分塊LAB特征的粒子濾波目標(biāo)跟蹤算法[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

9 ;大會主題報告[A];2009年全國微波毫米波會議論文集（下冊）[C];2009年

相關(guān)重要報紙文章 前5條

1 雷明;企業(yè)扭虧分塊搞活應(yīng)處理好的幾個關(guān)系[N];中國企業(yè)報;2000年

2 雷明;分塊搞活應(yīng)處理好幾個關(guān)系[N];中國航空報;2001年

3 覃匡龍 周鴻廣 侯俊富;“分塊管理”破解警力難題[N];檢察日報;2003年

4 王書明;新華中學(xué)形成安全管理網(wǎng)絡(luò)[N];商洛日報;2007年

5 記者 郭鳳美;“分塊搞活”救了太原制藥[N];山西經(jīng)濟日報;2004年

相關(guān)博士學(xué)位論文 前2條

1 鄒健;分塊稀疏表示的理論及算法研究[D];華南理工大學(xué);2012年

2 何邊;復(fù)雜網(wǎng)絡(luò)上的分塊問題[D];上海交通大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 嚴(yán)輝銀;求解二乘二分塊實線性方程組的塊分裂預(yù)處理方法[D];蘭州大學(xué);2015年

2 沈世達;基于分塊壓縮感知的圖像和視頻傳輸技術(shù)研究[D];西南交通大學(xué);2015年

3 張蛟;基于FastDFS的重復(fù)數(shù)據(jù)管理技術(shù)的研究與實現(xiàn)[D];電子科技大學(xué);2014年

4 白聰軒;多線索分塊匹配的移動機器人目標(biāo)跟蹤[D];北京工業(yè)大學(xué);2015年

5 李鵬程;基于張量特征值分析的特征表示及典型應(yīng)用[D];西安電子科技大學(xué);2015年

6 榮雁霞;基于分塊壓縮感知的圖像重構(gòu)方法研究[D];南京郵電大學(xué);2015年

7 高東紅;基于多尺度分塊壓縮感知的圖像處理算法研究[D];北京理工大學(xué);2016年

8 李浩田;分塊主鏡式相機共相位檢測系統(tǒng)研究[D];北京理工大學(xué);2016年

9 周利華;基于分塊計算模型的債權(quán)類不良資產(chǎn)價值評估研究[D];云南大學(xué);2016年

10 趙春暉;分塊與二級人臉識別算法研究[D];揚州大學(xué);2016年

，

本文編號：2274509