基于粒子滤波与样本加权的压缩跟踪算法

摘要：

该文针对压缩跟踪算法无法适应目标尺度的变化以及没有考虑样本权重的问题,提出一种基于粒子滤波与样本加权的压缩跟踪算法.首先,对压缩特征进行改进,提取归一化矩形特征用于构建目标表观模型.然后,引入样本加权的思想,根据正样本与目标之间距离的不同赋予正样本不同的权重,提高分类器的分类精度.最后,在粒子滤波的框架下融合尺度不变压缩特征进行动态状态估计,在粒子预测阶段利用2阶自回归模型对粒子状态进行估计与预测,借助观测模型对粒子状态进行更新,并且对粒子进行重采样以防止粒子退化.实验结果表明,相比于原始压缩跟踪算法,改进算法能够更好地跟踪目标尺度的变化,提高跟踪的稳定性和准确性.

关键词：压缩跟踪、粒子滤波、样本加权、分类器

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：天津市自然科学基金青年基金12JCQNJC00600;中央高校基本科研业务费3122015C016;国家自然科学基金民航联合研究基金U1533203 The Natural Science Foundation of Tianjin12JCQNJC00600;The Fundamental Research Funds for the Central Universities3122015C016;The National Natural Science Foundation of ChinaU1533203

在线出版日期：2018-07-11（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：1397-1403