前景划分下的双向寻优跟踪方法
目的 基于目标模型匹配方法被广泛用于运动物体的检测与跟踪.针对传统模型匹配跟踪方法易受局部遮挡、复杂背景等因素影响的问题,提出一种前景划分下的双向寻优BOTFP (Bidirectional optimization tracking method under foreground partition)跟踪方法.方法 首先,在首帧中人工圈定目标区域,提取目标区域的颜色、纹理特征,建立判别外观模型.然后,利用双向最优相似匹配方法进行目标检测,计算测试图像中的局部特征块与建立的外观模型之间的相似性,从而完成模型匹配过程.为了避免复杂背景和相似物干扰,提出一种前景划分方法约束匹配过程,得到更准确的匹配结果.最后,提出一种在线模型更新算法,引入了距离决策,判断是否发生误匹配,避免前景区域中相似物体的干扰,保证模型对目标的描述更加准确.结果 本文算法与多种优秀的跟踪方法相比,可以达到相同甚至更高的跟踪精度,在Girl、Deer、Football、Lemming、Woman、Bolt、David1、David2、Singer1以及Basketball视频序列下的平均中心误差分别为7.43、14.72、8.17、13.61、24.35、7.89、11.27、13.44、12.18、7.79,跟踪重叠率分别为0.69、0.58、0.71、0.85、0.58、0.78、0.75、0.60、0.74、0.69.与同类方法L1APG(L1 tracker using accelerated proximal gradient approach),TLD(tracking-learning-detection),LOT (local orderless tracker)比较,平均跟踪重叠率提升了20％左右.结论 实验结果表明,在前景区域中,利用目标的颜色特征和纹理特征进行双向最有相似匹配,使得本文算法在部分遮挡、目标形变、复杂背景、目标旋转等条件下具有跟踪准确、适应性强的特点.
判别外观模型、前景划分、双向寻优、距离决策、目标跟踪
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
2017-12-11（万方平台首次上网日期，不代表论文的发表时间）
共12页
1553-1564
