先验模型约束的抗干扰轮廓跟踪
目的 基于水平集的轮廓提取方法被广泛用于运动物体的轮廓跟踪.针对传统方法易受局部遮挡、复杂背景等因素影响的问题,提出一种先验模型约束的抗干扰(AC-PMC)轮廓跟踪算法.方法 首先,选取图像序列的前5帧进行跟踪训练,将每帧图像基于颜色特征分割成若干超像素块,利用均值聚类组建簇集合,并通过该集合建立目标的先验模型.然后,利用水平集分割方法提取目标轮廓,并提出决策判定算法,判断是否需要引入形状先验模型加以约束,避免遮挡、复杂背景等影响.最后,提出一种在线模型更新算法,在特征集中加入适当特征补偿,使得更新的目标模型更为准确.结果 本文算法与多种优秀的轮廓跟踪算法相比,可以达到相同甚至更高的跟踪精度,在Fish、Face1、Face2、Shop、Train以及Lemming视频图像序列下的平均中心误差分别为3.46、7.16、3.82、13.42、14.72、12.47,算法的跟踪重叠率分别为0.92、0.74、0.85、0.77、0.73、0.82,算法的平均运行速度分别为4.27帧/s、4.03帧/s、3.11帧/s、2.94帧/s、2.16帧/s、1.71帧/s.结论 利用目标的先验模型约束以及提取轮廓过程中的决策判定,使本文算法在局部遮挡、目标形变、目标旋转、复杂背景等条件下具有跟踪准确、适应性强的特点.
先验模型、水平集、决策判定、特征补偿、轮廓跟踪
22
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61172144;辽宁省科技攻关计划项目2012216026;National Natural Science Foundation of China61172144
2017-05-22(万方平台首次上网日期,不代表论文的发表时间)
共14页
502-515