利用巴氏系数判定模型更新的视觉跟踪算法

摘要：

在视频跟踪时,传统的粒子滤波算法在目标区域出现遮挡、光照变化等情况下通常存在鲁棒性较差的问题,因此提出一种采用巴氏(Bhattacharyya)系数判断模型更新时机的鲁棒视觉跟踪算法.算法以粒子滤波算法为框架,每隔一定帧数抽样检测目标变化,利用当前模型与候选模型之间的巴氏系数统计特征的相似性,从而判断更新时机.仅当目标姿态逐渐改变且无背景干扰时更新目标模型;在发生遮挡或光照改变较大时则不更新,保持当前模型继续跟踪.算法判断是否出现影响目标的匹配因素,从而适时采取模型更新策略.实验结果表明,本算法通过选择性更新模型,在未考虑尺度变化的情况下,能够更加有效地抑制背景干扰和避免模型漂移,在诸多复杂场景中具有一定的鲁棒性.

关键词：视觉跟踪、粒子滤波、巴氏系数、不定时模型更新

所属期刊栏目：34

分类号：TP391.41(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61175029,61473309;陕西省自然科学基金资助项目2011JM8015

在线出版日期：2017-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：915-919