粒化的Mean Shift行人跟踪算法
Mean Shift行人跟踪采用颜色特征直方图作为跟踪特征,存在易受背景颜色干扰等问题。基于此,在传统的Mean Shift行人跟踪算法中引入粒计算的思想,提出粒化的Mean Shift行人跟踪算法,对图像目标区域作粒层分块来提取块颜色特征信息,并在颜色特征表示上作不同粒度的粒化,最后在Mean Shift迭代框架下实现行人跟踪。该方法相比传统的跟踪方法具有计算复杂度更低、稳健性更好的优点。在PETS2009和CAVIAR数据库做的实验表明,这种方法跟踪正确率更高,在颜色干扰下稳健性更好,能够实时有效地跟踪行人。
信息粒、粒计算、Mean Shift、特征提取、行人跟踪
11
TP391(计算技术、计算机技术)
国家自然科学基金项目61273304;上海市中医药三年行动计划重点项目ZY3-CCCX-3-6002
2016-09-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
433-441