间隔贝叶斯估计和空时目标运动边界视觉跟踪

摘要：

针对计算机视觉领域的运动目标跟踪问题,在间隔贝叶斯估计框架的基础上结合空时目标运动边界提出一种在线视觉跟踪方法.首先在初始帧建立感兴趣目标的整体和局部双层外观模型;然后利用目标驱动和数据驱动的双层视觉注意力模型提取目标在下一帧内的运动边界,将目标运动边界视为状态预测间隔的上限;在预测间隔内采用多尺度匹配原则寻找最优的目标框选窗口,并利用局部模型判断目标的遮挡状态;根据目标局部子块的匹配权值提出基于交叉限制的在线更新机制,能够长时间保持目标整体模型的同时利用子块实时捕捉目标外观的局部变化.通过与其他几种具有代表性的跟踪算法的比对实验,验证了该算法在相似背景干扰和尺度变化的应用场景中存在明显优势,能够有效拟合目标边界,跟踪运动目标.

关键词：视觉跟踪;间隔贝叶斯估计;目标运动边界;双层目标外观模型;模型更新

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金61806220

在线出版日期：2021-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：75-80