毛建森
,
屈玉福
液晶与显示
doi:10.3788/YJYXS20163105.0497
为解决变尺度目标的跟踪问题,本文基于压缩感知理论设计了一种具有目标尺度不变性的目标跟踪方法.该方法首先通过插值的方式将初始帧中要跟踪的目标扩展细化至设定的模板图像大小,提取其压缩感知变换后的低维Haar-like特征作为模板特征并初始化分类器,其次利用卡尔曼滤波对待跟踪的图像帧中目标所在位置和尺度变化趋势进行预测,然后在预测目标所在位置周围提取多个不同尺度的待测目标样本并提取其压缩感知变换后的低维Haar-like特征,最后将这些特征送人分类器进行分类得到真实目标并更新分类器.经过实验验证,本文所设计的跟踪方法的平均跟踪成功率为77％,平均中心位置误差为12像素.能够实现对运动过程中发生尺度变化的目标的有效跟踪.
关键词:
机器视觉
,
目标跟踪
,
压缩感知
,
变尺度
,
卡尔曼滤波
毛宁
,
杨德东
,
杨福才
,
蔡玉柱
液晶与显示
doi:10.3788/YJYXS20173202.0153
针对目标跟踪中的目标尺度变化、遮挡、光照变化、相似目标混淆等问题,本文提出多特征融合的协同相关跟踪算法.首先,本文用多种特征构建目标外观模型,提高目标模型的鲁棒性,增强跟踪的抗形变能力和抗光照变化能力.然后,利用定点优化策略,解决多模板滤波优化问题,获得最佳滤波参数,通过多模板相关滤波算法估计目标位置,利用改进的尺度池方法解决目标尺度变化问题.最后,利用目标置信度判别跟踪目标是否发生遮挡,当目标发生遮挡时,利用CUR滤波模块重新检测目标,解决遮挡情况下跟踪任务.本文利用OTB-2013数据集中的方法测试本文算法,实验表明本文算法的整体成功率和精确度为0.622和0.830,本文算法在目标发生尺度变化、遮挡、光照变化、相似目标混淆等问题情况下,能准确、可靠地跟踪目标,具有一定研究价值.
关键词:
机器视觉
,
目标跟踪
,
多模板协同滤波
,
多特征融合
