10.13774/j.cnki.kjtb.2017.11.049
融合SIFT特征和HMM的运动目标识别与跟踪算法
针对动态场景下,由于光照突变、目标旋转以及遮挡等因素容易导致运动目标跟踪丢失,本文提出融合SIFT特征和隐马尔科夫模型算法.将运动目标的SIFT特征作为隐马尔科夫模型训练样本,经训练得到特征最优化的模型参数;通过设定阈值,将模型输出较大计算概率特征样本的集合作为最终目标识别结果,不仅避免了SIFT算法遍历式处理图像像素点带来的大量计算,而且该样本集能够精确反应出目标区域位置信息,从而取代了SIFT算法图像间繁琐的匹配过程,提高目标跟踪的可靠性和稳定性.实验结果表明,目标平均识别率在90%以上,跟踪效果稳定、可靠,具有较好的实时性和鲁棒性.
动态场景、目标旋转、隐马尔科夫模型、识别与跟踪
33
TP391(计算技术、计算机技术)
国家自然科学基金;江苏省自然科学基金;常州市科技计划
2017-12-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
210-215