基于霍夫蕨的实时对象跟踪方法

摘要：

基于霍夫变换方法难以在保持高检测精度的同时满足跟踪的实时性，且难以适应初始训练样例十分有限的情况，为解决上述问题，提出一种基于霍夫蕨的对象跟踪方法．该方法以随机蕨作为基础检测结构，将对象的局部表观作为学习数据，在其每个叶节点中计算并保存霍夫空间中属于目标对象的投票概率，在运行时通过在线学习该检测器和对象模型，适应对象表观的变化．结合对TLD跟踪框架的改进，实现了无约束环境下长时间的可视跟踪．在Babenko视频序列集上的实验结果表明，提出的对象跟踪方法在普通PC上的平均运行速率为3帧/s，平均准确率为87．1％，总体上优于现有的跟踪方法．

关键词：对象跟踪、霍夫蕨、对象检测、在线学习

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金科技创新项目2682014cx024

在线出版日期：2014-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：477-484