特征在线更新与加权的压缩跟踪算法

摘要：

在目标跟踪中,针对目标外观改变使得目标丢失的问题,本文提出了特征在线更新与加权的压缩跟踪(compressive tracking,CT)算法.首先基于压缩感知理论提取目标的矩形特征,根据每个特征对当前帧目标的分类效果判定其可靠性,及时更新不可靠特征;其次,实时增加可靠特征在分类器中的权重,从而突出可靠特征的重要性;最后将加权候选样本特征输入贝叶斯分类器,得到下一帧的目标位置.选取八组视频序列测试改进算法的效果,结果表明与传统的压缩跟踪,局部敏感直方图跟踪(locality sensitive histograms tracking,LSHT)及在线自适应增强(online AdaBoost,OAB)算法相比,改进算法取得了更好的跟踪结果,并且在目标外观改变时依然跟踪准确,平均帧速为39fps,满足实时性要求.

关键词：压缩感知、目标跟踪、外观改变、在线特征更新、加权特征

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家“八六三”高技术研究发展计划2014AA015202;国家自然科学基金61272028,61572067;北京市自然基金4162050;广东省产学研合作专项2013B090500010

在线出版日期：2017-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：533-539