利用背景加权和选择性子模型更新的视觉跟踪算法

摘要：

目的 针对传统Mean Shift算法对受背景干扰的目标无法进行有效跟踪并缺少有效的模型更新策略的问题,提出一种将背景加权和选择性子模型更新相结合的跟踪算法.方法 首先,在Mean Shift框架下,为了减少背景信息对目标定位的干扰,利用目标区域周围像素的颜色直方图定义背景加权系数,并将该系数只引入到目标模型的颜色直方图中,从而建立一个新的目标模型.然后,根据目标模型中每个分量匹配贡献度的大小选取需要更新的模型分量及其更新公式.结果 实验结果表明,本文算法能够抑制背景干扰,同时能对模型进行有效的选择性更新,克服了整体更新策略严重的模型漂移问题.结论 本文从模型描述和更新策略两个方面对传统MeanShift算法进行了改进,实验结果表明本文算法具有较好的有效性和鲁棒性.

关键词：目标跟踪、均值漂移、背景加权、选择性子模型更新

所属期刊栏目：19

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61175029;陕西省自然科学基金项目2011JM8015

在线出版日期：2014-10-11（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：1360-1367