基于Kalman预测器的CT多特征加权目标跟踪算法

摘要：

针对CT的目标跟踪算法，在外界环境光照改变、目标姿态变化及目标发生遮挡时出现跟踪飘移或丢失目标等问题，提出一种基于Kalman预测器的CT多特征加权目标跟踪算法。首先根据跟踪目标特征的稀疏特性，利用随机采样在线更新获取特征的离散样本，引入Online?boosting的多特征加权权值，优化置信图估计，并利用Kalman预测器预测修正跟踪目标区域位置。对三组不同场景图像序列测试结果表明提出的算法能够快速准确地实现复杂环境下的运动目标跟踪任务，有效地增强了目标特征对纹理改变、光照变化和目标遮挡的稳健性，且继承了传统算法的实时性。

关键词：目标跟踪、压缩跟踪、Online-boosting、卡尔曼预测器

所属期刊栏目：39

分类号：TN820.4-34;TP391(无线电设备、电信设备)

资助基金：国家自然科学基金61203343；河北省自然科学基金E2014209106；华北理工大学研究生创新项目

在线出版日期：2016-07-08（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：91-95