结合目标预测位置的压缩跟踪
目的 提出结合目标预测位置的压缩跟踪算法用于提高目标跟踪的准确度.方法 选择随机间距稀疏Toeplitz矩阵作为投影矩阵,对原始多尺度Haar-like特征进行压缩;然后,将样本与Mean Shift算法框架下的预测位置的距离权重输入Bayes分类器,形成分类背景与目标的判别函数;最后对参数的更新方式进行优化,提出了参数自适应的学习模式.结果 与目前较流行的6种目标跟踪算法在20个具有挑战性的序列中进行比较,实验结果表明本文提出的算法平均跟踪成功率比压缩跟踪算法将近高27%,平均运行时间为0.15 s/帧.结论 本文采用结合预测位置的压缩跟踪算法,在参数更新阶段采用了非线性参数学习模式,实验结果表明结合目标预测位置的跟踪算法比一般的跟踪算法更具有鲁棒性,更能适应遮挡等情况,跟踪的效果也更加平滑.
目标跟踪、投影矩阵、压缩跟踪、参数自适应
19
TP391(计算技术、计算机技术)
国家重点基础研究发展计划973基金项目2010CB327900;国家自然科学基金项目61105042
2014-07-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
875-885