APP下载

自适应目标变化的时空上下文抗遮挡跟踪算法*

2018-10-08范洪博

计算机工程与科学 2018年9期
关键词:模型

张 晶,王 旭,范洪博

(昆明理工大学信息工程与自动化学院,云南 昆明 650500)

1 引言

目标跟踪在计算机视觉领域是一个热门话题,通过信息融合技术将不同种传感器获取的目标特征信息进行融合来实现场景中的目标跟踪将越来越引起人们关注。目标跟踪过程会受多种因素干扰,其中包括遮挡、环境光照变化、目标连续变化而导致的颜色、边缘的相应变化。这些常见问题是目标跟踪亟需解决的。近年来研究者针对这些问题提出了很多优秀的跟踪算法,比如:多示例学习MIL(Multiple Instance Learning)算法[1]对当前跟踪结果小邻域采样构成正包,在其大邻域圆环内采样构成负包进行多示例学习,从而获得分类器进行目标判断;改进的多示例学习IMIL(Improved Multiple Instance Learning)算法[2]根据压缩感知理论设计随机测量矩阵,然后利用多示例学习,后面的处理与MIL算法一致;快速压缩跟踪FCT(Fast Compressive Tracking)算法[3]是一种基于数据独立的多尺度图像特征空间的特征模型,稀疏的测量矩阵压缩了前景目标和背景图像,并不断更新,最后通过贝叶斯分类器进行目标判断;增量视觉跟踪器IVT(Incremental learning for robust Visual Tracking)[4]在获得当前帧之前若干帧跟踪结果所构成的图像空间条件下,对所得图像空间进行主成分分析PCA(Principal Component Analysis)处理,获得历史跟踪结果的均值和特征向量,构成特征子空间,每5帧更新一次,并将粒子滤波确定的候选模型送入特征空间,计算其与特征子空间中心的距离,输出距离最优者;视觉跟踪分解VTD(Visual Tracking Decomposition)算法[5]将基本的观测模型和基本的运动模型联系起来,设计多个基本跟踪器,然后将所有的基本追踪器都集成到一个复合跟踪器中,在这个框架中,基本跟踪器在并行运行的同时进行交互。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用