本文關鍵詞：時空上下文學習長時目標跟蹤

  更多相關文章： 機器視覺 目標跟蹤 時空上下文 在線學習

【摘要】：針對在線學習跟蹤算法中目標模型更新錯誤而導致跟蹤漂移的問題,提出了一種簡單但高效的解決方案。在目標區(qū)域均勻采樣點跟蹤器,基于紋理描述對前后兩幀點跟蹤器進行置信度評估并以此完成目標初步定位,由多維特征時空上下文模型輸出目標位置置信圖以完成目標精確定位,同時結合置信圖決定模型更新速率并給出了一種多尺度更新機制。實驗表明,該方法在背景干擾、快速運動、遮擋、光照變化及尺度變化下均能完成穩(wěn)健跟蹤,在320 pixel×240 pixel的視頻序列中平均跟蹤速度為55.1 frame/s,可以滿足實時應用的需求。
【作者單位】： 空軍航空大學航空航天情報系;
【關鍵詞】： 機器視覺 目標跟蹤 時空上下文 在線學習
【基金】：國家自然科學基金(61301233)
【分類號】：TP391.41
【正文快照】： 1引言目標跟蹤在行為識別、視頻監(jiān)控、人機交互中的廣泛應用,使其成為計算機視覺領域非常熱門的研究課題[1],而一個穩(wěn)健的跟蹤算法面臨的主要挑戰(zhàn)有:局部或全局遮擋、光照變化、姿態(tài)變化、尺度變化等,為此設計一個能夠處理外觀變化的目標模型則顯得尤為重要。按照是否考慮背景

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 謝長芳;;基于背景優(yōu)化和模型更新的目標跟蹤算法[J];軟件導刊;2012年09期

2 石武禎;寧紀鋒;顏永豐;;壓縮感知跟蹤中的特征選擇與目標模型更新[J];中國圖象圖形學報;2014年06期

3 柳波;張東紅;;DIMINE軟件在礦山地質模型更新中的應用[J];金屬材料與冶金工程;2012年06期

4 趙高鵬;薄煜明;;基于多模式均值時空模型的目標融合檢測方法[J];中國圖象圖形學報;2010年08期

5 王寶榮;楊華;王一程;殷松峰;;基于卡曼濾波與均值偏移算法的目標跟蹤[J];激光與紅外;2009年11期

6 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 韓正之;;HAC合成過程的建模[A];1997年中國控制會議論文集[C];1997年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 劉楊;少參數(shù)有限元模型更新與結構損傷識別方法研究[D];鄭州大學;2013年

2 曹哲;基于本體的CIM模型更新與擴展研究[D];上海交通大學;2013年

3 鄧覲鵬;冠狀動脈遞推建模及其應用[D];華中科技大學;2011年

，

本文編號：904411