基于图的流行排序的视觉跟踪

摘要：

为了克服基于检测的目标跟踪中的模型漂移问题,在基于检测的目标跟踪框架下提出一种新的基于图的流行排序的目标跟踪方法.该方法能够抑制在跟踪过程中目标变形、尺度变化以及遮挡等带来的背景信息的影响.首先,把目标矩形框划分为不重叠的图像块,构造一个k-正则图,即以这些图像块为图结点,构造k-正则图,边权定义为结点之间的底层特征的相似性.其次,为每一个图像块分配一个权重,用于表示该图像块在目标表达中的重要性,以此抑制背景信息的干扰,并通过半监督的方式进行计算.特别初始化一些背景或目标图像块,设其权重为1,其他为0,通过流行排序算法计算所有图像块属于背景或目标的权重.此外,使用多尺度特征金字塔的方法处理跟踪过程中的目标尺度变化,同时提高了初始图像块的可靠性.最后,把所有图像块的底层特征进行加权,连接成一个向量,作为矩形框的特征表达,并使用结构化输出(Struck)算法进行跟踪.在几个公共视频序列上进行了实验,结果表明,研究方法的跟踪性能极大地超过了其他跟踪方法.

关键词：视觉跟踪、流行排序、尺度处理、Struck算法

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61374128,41173106,41373095;安徽省科技攻关计划1501zc04048;安徽省教育厅自然科学研究产学研重点项目KJ2014A247;宿州学院智能信息处理实验室开放课题资助2016ykf13.Supported by National Natural Science Foundation of China61374128,41173106,41373095;Anhui Scientific and technological project1501ZCD4048;Natual Science Industry University Research Project of Anhui Provincial Education DepartmentKJ2014A247;Openjing Foundation of Intelligent Information Processing Laborotory,Suzhou University2016ykf13

在线出版日期：2017-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：43-51