联合最小软阈值二乘和Haar-like特征匹配的视觉跟踪

论文摘要

基于最小软阈值二乘的目标跟踪方法能够较好地处理视频的外观变化和异常值,但当目标子空间受到姿态变化或遮挡等干扰时,跟踪器的稳健性较差。针对这一问题,在贝叶斯引理框架下,提出一种组合最小软阈值二乘和压缩Haar-like特征匹配的在线目标跟踪算法。该算法针对最小软阈值二乘跟踪器采用定量遮挡率来评判其观测样本受离群子干扰程度,并在跟踪器单帧匹配响应过低时,利用压缩特征匹配对观测目标进行二次筛选。同时,通过观测置信度减少无关样本的数量,降低计算复杂度。实验结果表明,本文提出的算法能够取得更加优异的跟踪结果。

论文目录

• 1 引言
• 2 最小软阈值二乘跟踪
• 3 联合最小软阈值二乘和Haar-like特征匹配
•   3.1 压缩Haar-like特征提取
•   3.2 特征匹配
• 4 跟踪框架
•   4.1 运动模型
•   4.2 观测模型
•   4.3 在线更新机制
• 5 实验与分析
•   5.1 定性分析
•   5.2 定量分析
• 6 结论

文章来源

类型: 期刊论文

作者: 孙凯传,柳晨华,姚光顺,杨大伟

关键词: 图像处理,在线目标跟踪,压缩特征,贝叶斯引理

来源: 激光与光电子学进展 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 滁州学院计算机与信息工程学院,上海航天控制技术研究所

基金: 安徽省自然科学基金（1808085MF177）,中国博士后科学基金（2018M632209）

分类号: TP391.41

页码: 85-91

总页数: 7

文件大小: 651K

下载量: 60