基于决策树分类的视觉目标精准跟踪算法
为避免因遮挡、尺度变化等因素导致跟踪失败的问题,同时增强目标跟踪准确性,提出基于决策树分类的视觉目标精准跟踪算法.运用隶属度得到图像数据点所属类型,通过概率密度局部最大的非参数密度估计策略计算待跟踪目标所处范围,把图像划分为空间数据与色彩数据;推算数据信息熵,将信息熵增益最高的变量作为图像分类属性,利用决策树分类融合图像属性特征;使用混沌离散系统提升粒子预测精度与计算效率,引入色彩、纹理和运动边缘特征改进粒子滤波器性能,采用自适应参照模板法构建视觉目标跟踪模型.仿真结果表明,该算法在目标表观发生变化情况下,仍具备优秀的跟踪精度与效率,鲁棒性强.
决策树分类、视觉跟踪、图像分割、混沌粒子滤波、特征融合
44
TP391(计算技术、计算机技术)
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
87-92