基于递推估计和上下文更新的鲁棒单目标跟踪方法

摘要：

针对杂乱背景和光照变化等容易使目标跟踪产生漂移的问题,提出一种基于递推估计和上下文更新的鲁棒目标跟踪方法,该方法是颜色粒子滤波目标跟踪的有效扩展.通过建立颜色粒子滤波跟踪的通用框架,利用上下文信息分配目标外观变化的置信度,在重采样阶段,采用递推估计从其外观相似度分数计算的权重选择粒子,并初始化异常粒子.形变和光照变化的视频测试表明,该方法可以克服光照变化和背景的影响,递推估计可以处理偏离整体估计的异常粒子.相比于标准颜色粒子滤波、粒子随机搜索法等方法,该方法在跟踪框中心误差和平均重叠方面均优于其他方法,在鲁棒性和准确性方面具有明显优势.

关键词：递推估计、上下文信息、目标跟踪、粒子滤波、鲁棒性

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：河南省高新领域科技攻关项目122102210562;河南省软科学研究计划项目132400410934The Key Project of Science and Technology of High-tech Fields in Henan Province122102210562;The Soft Science Research Planning Project of Henan Province132400410934

在线出版日期：2017-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：106-112