APP下载

一种基于改进型PN学习的在线长时目标跟踪算法*

2017-06-19杨丰瑞

网络安全与数据管理 2017年11期
关键词:背景检测

杨丰瑞,杜 奎,何 强

(1.重庆重邮信科集团股份有限公司,重庆 400065;2.重庆邮电大学 通信新技术应用研究中心,重庆 400065)



一种基于改进型PN学习的在线长时目标跟踪算法*

杨丰瑞1,2,杜 奎2,何 强2

(1.重庆重邮信科集团股份有限公司,重庆 400065;2.重庆邮电大学 通信新技术应用研究中心,重庆 400065)

文中主要讨论针对未知目标的长时跟踪问题。在一帧图像中,目标是由其位置和外观表征的;在连续的视频帧中,需要确定出每一帧中目标的位置和外观特征或者在某一帧中标识出目标是不可见的。因此对PN半监督机器学习算法进行改进,并在此基础上整合模板匹配技术、背景抽离技术和主成分分析技术,提出一种基于检测的在线长时目标跟踪算法。针对该跟踪算法详细阐述了其跟踪架构和算法执行流程,并精心筛选出5个测试视频流。实验结果表明,该跟踪算法具有较强的适应能力和跟踪能力。

长时目标跟踪;改进型PN学习;背景抽离;模板匹配;主成分分析

图1 目标跟踪所面临的挑战

0 引言

人脑的视觉皮质层通过分析视网膜成像从而定位并识别目标[1]。类似地,目标跟踪通过评估连续视频帧中目标的状态,从而获取目标的位置、轮廓以及轨迹等信息。

目前,目标跟踪已经广泛应用于自动视频监控、军事打击、人机交互、智能交通、行为分析、虚拟现实等领域[1]。随着目标跟踪在应用广度和深度上的不断拓展,其面临的挑战也与日俱增,比如:外观变化、快速移动、相似外观、目标遮挡、光照变化、尺度变化、运动模糊和3D投影等。……

登录APP查看全文

猜你喜欢

背景检测
“新四化”背景下汽车NVH的发展趋势
《论持久战》的写作背景
黑洞背景知识
晚清外语翻译人才培养的背景
小波变换在PCB缺陷检测中的应用
背景链接