自适应交互式融合的视觉跟踪
本文选题:视觉跟踪 + 最小均方二乘误差 ; 参考:《光学精密工程》2017年09期
【摘要】:针对基于传统融合机制的联合跟踪器在复杂环境下鲁棒性不足的缺陷,提出一种在交互式多模型粒子滤波框架下传递概率矩阵可在线更新的自适应融合跟踪器。首先,在贝叶斯理论框架下,基于最小二乘误差估计法得到传递概率矩阵迭代更新方程;然后,利用数值积分法获得迭代更新方程的数值解;最后,结合重采样技术实现不同子跟踪器之间先验状态分布的自适应交互,以确保传递权值较大粒子对应的目标状态。在复杂环境下进行了的跟踪实验,结果验证了本文提出的自适应交互式融合机制增加了对粒子先验状态的校正功能,有效避免了因误差积累导致的"跟踪漂移"问题,使联合跟踪器的鲁棒性明显优于单一跟踪器或基于其它融合机制的联合跟踪器。
[Abstract]:An adaptive fusion tracker based on traditional fusion mechanism is proposed, which can update the transfer probability matrix online in the framework of interactive multi-model particle filter. Firstly, under the framework of Bayesian theory, the transfer probability matrix iterative updating equation is obtained based on the least square error estimation method. Then, numerical integration method is used to obtain the numerical solution of the iterative update equation. The resampling technique is used to realize the adaptive interaction of the prior state distribution between different sub-trackers to ensure the target state corresponding to the larger particle weight. The tracking experiments in complex environment show that the adaptive interactive fusion mechanism proposed in this paper increases the correction function of the priori state of particles, and effectively avoids the problem of "tracking drift" caused by the accumulation of errors. The robustness of the federated tracker is obviously superior to that of the single tracker or the federated tracker based on other fusion mechanisms.
【作者单位】: 阜阳师范学院计算机与信息工程学院;安徽大学计算机科学与技术学院;
【基金】:安徽省高校优秀青年骨干人才支持计划资助项目(No.gxfx2017072) 阜阳师范学院青年人才基金重点资助项目(No.rcxm201706) 安徽省自然科学基金资助项目(No.1708085MF155)
【分类号】:TP391.41
【相似文献】
相关期刊论文 前10条
1 邹海荣;龚振邦;罗均;;运动目标视觉跟踪系统的控制特性研究[J];上海电机学院学报;2006年02期
2 史卫民;王庆敏;刘秋红;陈勇;姚永杰;;视觉跟踪技术及其应用的研究进展[J];海军医学杂志;2014年01期
3 侯志强;韩崇昭;;视觉跟踪技术综述[J];自动化学报;2006年04期
4 王哲;;视觉跟踪 用眼睛使用的“鼠标”[J];电脑爱好者;2007年07期
5 张进;;视觉跟踪技术发展和难点问题的分析[J];信息技术与信息化;2008年06期
6 李谷全;陈忠泽;;视觉跟踪技术研究现状及其展望[J];计算机应用研究;2010年08期
7 李伟;吴瑰丽;王猛;;视觉跟踪算法的研究进展[J];石家庄铁路职业技术学院学报;2013年03期
8 刘洋;李玉山;张大朴;邱家涛;;基于动态目标建模的粒子滤波视觉跟踪算法[J];光子学报;2008年02期
9 张国亮;谢宗武;蒋再男;王捷;刘宏;;模糊化多视觉信息融合的视觉跟踪策略[J];西安交通大学学报;2009年08期
10 杨戈;刘宏;;视觉跟踪算法综述[J];智能系统学报;2010年02期
相关会议论文 前2条
1 吕玉生;赵杰煜;;具有视觉跟踪的中英文语音动画系统[A];第十四届全国图象图形学学术会议论文集[C];2008年
2 李善青;贾云得;柳阳;;一种用于穿戴计算的指示手势视觉跟踪方法[A];第三届和谐人机环境联合学术会议(HHME2007)论文集[C];2007年
相关博士学位论文 前10条
1 王法胜;复杂场景下的单目标视觉跟踪算法研究[D];大连海事大学;2014年
2 张明杰;基于视觉的目标跟踪与行为识别方法研究[D];西北大学;2015年
3 徐萧萧;基于特征学习与特征联想的视觉跟踪算法研究[D];中国科学技术大学;2010年
4 王其聪;复杂观测条件下的基于粒子滤波的视觉跟踪[D];浙江大学;2007年
5 夏瑜;视觉跟踪新方法及其应用研究[D];江南大学;2013年
6 王芳林;稳健视觉跟踪算法中的关键问题研究[D];上海交通大学;2009年
7 温静;基于张量子空间学习的视觉跟踪方法研究[D];西安电子科技大学;2010年
8 苏洁;光照变化下的视觉跟踪算法研究[D];哈尔滨工程大学;2010年
9 王栋;基于线性表示模型的在线视觉跟踪算法研究[D];大连理工大学;2013年
10 代江华;粒子滤波架构下视觉目标跟踪相关技术研究[D];华中科技大学;2014年
相关硕士学位论文 前10条
1 张瑞;基于贝叶斯估计的视觉跟踪算法研究[D];福建师范大学;2015年
2 祝宝龙;基于视觉跟踪技术的眼控鼠标研究[D];哈尔滨工业大学;2015年
3 刘养彪;运动模糊下的视觉跟踪算法研究[D];北京理工大学;2015年
4 向秀娟;基于视觉跟踪的移动机器人定位研究[D];新疆大学;2015年
5 张劲;基于在线隐变量支持向量机的尺度自适应视觉跟踪[D];西安电子科技大学;2014年
6 范曲;复杂场景下运动目标的视觉跟踪方法研究[D];重庆大学;2015年
7 孟凡帅;面向物料输送过程状态监控与故障报警的视觉跟踪技术的研究[D];河北工业大学;2015年
8 张欣;基于粒子滤波的视觉跟踪算法的FPGA实现[D];北京理工大学;2016年
9 黄梁华;基于张量表达的视觉跟踪算法研究[D];北京理工大学;2016年
10 王安;基于多层显著前景块的目标跟踪[D];安徽大学;2016年
,本文编号:2088827
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2088827.html