基于全局背景与特征降维的视觉跟踪算法

TP391.4; 相关滤波算法容易受到形变、运动模糊、相似背景等因素的干扰,导致跟踪任务失败.为了克服以上问题,该文提出一种基于全局背景与特征降维的视觉跟踪算法.该算法首先提取紧邻目标的图像区域作为负样本供分类器学习,以抑制相似背景的干扰;然后提出一种基于主成分分析的更新策略,构建降维矩阵压缩HOG特征的维度,在更新分类器的同时减少其冗余度;最后加入颜色特征表征运动目标,并根据特征对系统状态的响应强度进行自适应融合.在标准数据集上将该文提出的算法与Staple,KCF等其他算法进行了仿真对比,结果表明该文算法具有更强的鲁棒性,在形变因素的影响下,所提出的算法与Staple和KCF算法相比距离精...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	电子与信息学报 2018-09, Vol.40 (9), p.2135-2142
Hauptverfasser:	孙彦景, 王赛楠, 石韫开, 云霄, 施文娟
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP391.4; 相关滤波算法容易受到形变、运动模糊、相似背景等因素的干扰,导致跟踪任务失败.为了克服以上问题,该文提出一种基于全局背景与特征降维的视觉跟踪算法.该算法首先提取紧邻目标的图像区域作为负样本供分类器学习,以抑制相似背景的干扰;然后提出一种基于主成分分析的更新策略,构建降维矩阵压缩HOG特征的维度,在更新分类器的同时减少其冗余度;最后加入颜色特征表征运动目标,并根据特征对系统状态的响应强度进行自适应融合.在标准数据集上将该文提出的算法与Staple,KCF等其他算法进行了仿真对比,结果表明该文算法具有更强的鲁棒性,在形变因素的影响下,所提出的算法与Staple和KCF算法相比距离精度分别提升8.3％和13.1％.
ISSN:	1009-5896
DOI:	10.11999/JEIT171143