【摘要】：目的為了提高目標(biāo)跟蹤的準(zhǔn)確度,提出結(jié)合背景信息的自適應(yīng)加權(quán)壓縮跟蹤算法。方法針對(duì)目標(biāo)邊緣背景信息的干擾問題,提出對(duì)目標(biāo)框架分塊提取特征,根據(jù)區(qū)域分配權(quán)值,弱化特征提取過程中背景信息的干擾;利用正負(fù)樣本特征概率分布的Bhattacharyya距離,自適應(yīng)地選取區(qū)分度較大的特征進(jìn)行分類器訓(xùn)練,提高分類器的魯棒性;針對(duì)目標(biāo)遮擋導(dǎo)致分類器分類不準(zhǔn)確問題,提出設(shè)置目標(biāo)遮擋檢測(cè)機(jī)制,結(jié)合目標(biāo)和局部背景信息對(duì)目標(biāo)實(shí)現(xiàn)遮擋環(huán)境下的跟蹤。結(jié)果與目前較流行的5種算法在6個(gè)具有挑戰(zhàn)性的序列中進(jìn)行比較,本文提出的算法平均跟蹤率達(dá)到90%,平均每幀耗時(shí)0.088 6 s。結(jié)論本文算法在背景干擾,光線變換,目標(biāo)旋轉(zhuǎn)、形變、遮擋和復(fù)雜背景環(huán)境下的跟蹤具有較高魯棒性。
[Abstract]:Aim to improve the accuracy of target tracking, an adaptive weighted compression tracking algorithm combined with background information is proposed. Methods to deal with the interference of background information on the edge of the target, the feature is extracted from the target frame block, and the interference of the background information in the extraction process is weakened according to the weight value of the region distribution. By using the Bhattacharyya distance of the probability distribution of positive and negative samples, the classifier is trained adaptively to select the feature with a large degree of discrimination to improve the robustness of the classifier. Aiming at the inaccurate classification of classifier caused by target occlusion, a target occlusion detection mechanism is proposed, which combines target and local background information to track the target in occlusion environment. Results compared with five popular algorithms in six challenging sequences, the average tracking rate of the proposed algorithm is 90, and the average time per frame is 0.088 s. Conclusion the proposed algorithm is robust to background interference, ray transformation, target rotation, deformation, occlusion and complex background.
【作者單位】： 江西理工大學(xué)信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61105042,61462035) 江西省青年科學(xué)家(井岡之星)培養(yǎng)對(duì)象計(jì)劃基金項(xiàng)目(20153BCB23010)~~
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 池磊;李文勇;;模糊數(shù)學(xué)和自適應(yīng)加權(quán)平均在多傳感器數(shù)據(jù)融合中的比較研究[J];裝備制造技術(shù);2012年12期

2 李大勇,王紅軍;基于時(shí)間序列的自適應(yīng)加權(quán)被動(dòng)定位[J];計(jì)算機(jī)仿真;2004年11期

3 陳曉娟;夏立;卜樂平;楊加軍;;自適應(yīng)加權(quán)融合算法在圖像型火災(zāi)探測(cè)系統(tǒng)中的應(yīng)用[J];艦船電子工程;2011年03期

4 肖軍,張石,徐心和;基于模糊組合變量的自適應(yīng)加權(quán)控制[J];控制與決策;2001年02期

5 梁毓明;徐立鴻;朱丙坤;;測(cè)距傳感器系統(tǒng)的測(cè)距數(shù)據(jù)在線自適應(yīng)加權(quán)融合[J];工業(yè)儀表與自動(dòng)化裝置;2009年05期

6 張陽;沈明霞;孫玉文;劉政;柏廣宇;;基于多傳感器自適應(yīng)加權(quán)融合的溫室信息系統(tǒng)[J];傳感器與微系統(tǒng);2014年06期

7 常瑞娜;穆曉敏;楊守義;齊林;;基于局部空間像素特征的自適應(yīng)加權(quán)濾波算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年06期

8 陳曉云;胡運(yùn)發(fā);;基于自適應(yīng)加權(quán)的文本關(guān)聯(lián)分類[J];小型微型計(jì)算機(jī)系統(tǒng);2007年01期

9 鄭馳超;彭虎;韓志會(huì);;互相關(guān)自適應(yīng)加權(quán)的醫(yī)學(xué)超聲成像算法研究[J];物理學(xué)報(bào);2014年14期

10 關(guān)新平,劉冬,唐英干;基于可分離性判據(jù)的自適應(yīng)加權(quán)紋理圖像分割[J];計(jì)算機(jī)應(yīng)用研究;2005年11期

相關(guān)碩士學(xué)位論文 前5條

1 邵州華;多傳感器數(shù)據(jù)融合算法的研究與應(yīng)用[D];東北大學(xué);2013年

2 楊浩博;多外觀模型自適應(yīng)加權(quán)的粒子濾波目標(biāo)跟蹤算法研究[D];鄭州大學(xué);2016年

3 李培培;自適應(yīng)加權(quán)超寬帶能量檢測(cè)接收技術(shù)的研究[D];長(zhǎng)安大學(xué);2016年

4 朱曉倩;自適應(yīng)加權(quán)平均濾波器權(quán)系數(shù)的選取[D];暨南大學(xué);2008年

5 姜濱;FSP近區(qū)段含水率預(yù)測(cè)算法及溫度自適應(yīng)加權(quán)融合方法研究[D];東北林業(yè)大學(xué);2010年

，

本文編號(hào)：2416956