基于OLDM与贝叶斯估计的鲁棒视觉跟踪

摘要：

提出了一种在线学习判别式模型OLDM(online learning discriminative model),并结合贝叶斯估计实现了对视觉运动目标的鲁棒跟踪.首先,通过对初始化的跟踪区域进行样本标记与聚类分析得到目标的判别式模型;然后,利用该模型在预测的跟踪区域内计算目标的似然分布;最后,在贝叶斯框架下完成目标状态的确定并对模型进行学习与更新.算法通过在线学习适时更新目标模型,增强了算法对目标表观变化的适应性.实验结果表明,本文算法能够有效地适应目标表现特征的复杂变化,对目标的尺度、光照、遮挡以及非刚性形变等具有较强的鲁棒性,算法的跟踪精度与稳定性比当前主流算法均有一定提高.

关键词：视觉跟踪、判别式模型、贝叶斯估计、模型更新

所属期刊栏目：40

分类号：TP391;TP751(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;The National Natural Science Foundation of China,Nos.61175029,61473309.

在线出版日期：2015-12-22（万方平台首次上网日期，不代表论文的发表时间）

页码：1539-1544