基于贝叶斯决策的多方法融合跟踪算法
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。
行人跟踪、压缩感知、行人检测、贝叶斯决策、多方法融合
12
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61372023
2016-09-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
265-268