基于贝叶斯决策的多方法融合跟踪算法

摘要：

针对单一的跟踪算法难以适应复杂多变的环境，提出一种融合多种跟踪算法的方法。考虑到压缩跟踪算法的鲁棒性优势，和HOG行人检测的轮廓检测特点，利用算法之间的互补性，根据贝叶斯决策理论，提出了多算法融合的跟踪方法。融合过程中按照分类的思想，将图像中像素点按照其是否包含在跟踪框内分为两类。通过分析跟踪目标的移动范围，预测目标的下一位置，求出目标出现的先验概率分布。针对目标与环境的具体情况，调整每种算法的融合权值，得到融合后的各个像素点的类条件概率密度，最后根据贝叶斯决策估算各像素点的所属类别，确定跟踪框范围。实验结果表明，与单一算法相比，融合后的跟踪算法有更好的适应性和鲁棒性。

关键词：行人跟踪、压缩感知、行人检测、贝叶斯决策、多方法融合

所属期刊栏目：12

分类号：TP391(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61372023

在线出版日期：2016-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：265-268