10.16208/j.issn1000-7024.2016.08.028
时间连续贝叶斯分类目标跟踪算法
为提高目标跟踪的鲁棒性,提出一种基于结构稀疏表示的时间连续贝叶斯分类跟踪算法。在粒子滤波框架下进行,采用结构稀疏表示原理对样本进行线形重构。考虑到跟踪过程中目标形态帧间的连续性,将时间连续约束项嵌入线性重构目标方程,设计目标方程求解方法,获得稀疏系数;为更好地提取稀疏系数中的相似度信息,利用贝叶斯原理设计一款分类器,通过跟踪过程中获得的正负样本进行训练,有效地对候选目标进行分类。将该算法与其它4种先进的算法在6组测试视频中进行比较,实验结果表明,该算法在复杂条件下具有较高的鲁棒性。
目标跟踪、分类器、粒子滤波、稀疏表示、目标方程
37
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61304084;广东省自然科学基金项目2014A030307038;嘉应学院创新强校基金项目CQX036
2016-09-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
2125-2131