基于混合特征的运动目标跟踪方法
为了应对运动目标跟踪任务中目标的尺度、光照变化和形变等情况,提出了一种基于混合特征的运动目标跟踪方法———SoH-DLT,综合考虑了运动目标的轮廓特征和细节特征。在粒子滤波跟踪过程中引入方向直方图描述目标轮廓特征,保证与目标最相似的粒子在尺度、光照变化和形变的情况下仍能获得较高的置信度,并作为跟踪结果输出。结合深度学习获得的高层特征和具有尺度不变性的加速鲁棒特征计算粒子权重,提高了复杂运动场景下目标跟踪的准确度,强化了SoH-DLT方法对尺度变化运动目标跟踪的鲁棒性。实验结果表明,SoH-DLT与其他方法相比获得了更好的跟踪效果。
运动目标跟踪、轮廓特征、神经网络、方向直方图、加速鲁棒特征、粒子滤波
39
TP37(计算技术、计算机技术)
国家自然科学基金项目61320106006,61532006,61502042
2017-03-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
88-92,98