刘韶涛， 姚灿荣

(华侨大学 计算机科学与技术学院， 福建 厦门 361021)

结合PSO的改进压缩跟踪方法

刘韶涛， 姚灿荣

(华侨大学 计算机科学与技术学院， 福建 厦门 361021)

针对基于在线检测的跟踪方法中目标在多尺度空间中的搜索和匹配问题，结合粒子群优化算法(PSO)和压缩感知思想，提出一种鲁棒的多尺度目标跟踪算法.首先,通过粒子群在多尺度空间中采集样本;然后,经过压缩感知提取特征;最后,通过粒子的迭代计算，搜索出当前目标的最佳匹配位置.实验结果表明：提出的算法能较好地适应目标的多尺度变化，在快速性和鲁棒性上具有更好的性能. 关键词： 目标跟踪; 压缩感知; 粒子群优化; 多尺度

一个典型的目标跟踪系统包括表观模型和在当前帧定位目标新位置的搜索策略[1].由于光照变化、遮挡等问题，导致目标的表观模型时常发生变化.因此，一个自适应强的表观模型表示对鲁棒的目标跟踪十分重要.基于特征实时检测[2-3]的运动目标跟踪方法是近年来的一种主流目标跟踪技术[4-6].在线方法在对目标进行分类判别的同时，也在对图像进行采样，用于实时更新分类器，使检测器具有一定的适应能力，不仅在一定程度上解决了检测和跟踪时的遮挡问题，还能适应复杂场景下的多目标跟踪.然而，其计算和搜索复杂度较高，且容易产生漂移.近年来，基于随机优化技术的粒子群优化算法(PSO)被广泛应用于计算机视觉处理[7-9].为了在多尺度空……