基于概率模型的自适应融合互补学习跟踪算法
在互补学习实时跟踪算法(Staple)中,方向梯度直方图(HOG)特征与颜色直方图采用的融合系数均为固定值0.3,在不同特征下相融时易造成目标丢失的问题.基于此,提出一种基于目标概率模型的自适应融合互补学习实时跟踪算法(amStaple),该算法使用分段函数得出自适应融合系数.分别在OTB-2013与OTB-100基准视频集上对所提算法进行实验测试,最终的实验结果显示,本文算法极大地提升了跟踪器性能,与Staple相比,在两个基准数据集上其精度分别高出6.52％与3.32％,成功率分别高出4.89％与3.11％.本文算法较为简单,且在与同时期优秀算法的定性与定量比较中表现较优.为解决本文提出的算法在基准视频部分属性上表现欠佳的问题,在本文算法的基础上增加判定条件,提出了amStaple1算法.
机器视觉、视觉跟踪、概率模型、融合系数、分段函数
56
TP391.4(计算技术、计算机技术)
福建省中科院STS计划配套项目;福建省中科院STS计划配套项目;福建省科学技术厅技术项目
2019-09-25（万方平台首次上网日期，不代表论文的发表时间）
共10页
167-176
