适应目标尺度变化的改进压缩跟踪算法

发布时间：2017-08-25 01:26

  本文关键词：适应目标尺度变化的改进压缩跟踪算法

  更多相关文章： 目标跟踪 压缩感知 Haar-like特征 尺度变化

【摘要】：基于压缩感知理论对目标Haar-like特征进行降维处理的压缩跟踪算法采用固定大小的跟踪框跟踪目标,在目标尺度发生变化时,容易产生跟踪漂移甚至丢失跟踪目标的现象.为了克服这一缺陷,文中分析Haar-like特征随目标尺度变化的情况,发现在一定变化尺度范围内,跟踪矩形框内目标Haar-like特征值的变化与跟踪矩形框的面积变化呈近似线性关系,在此基础上提出适应目标尺度变化的改进压缩跟踪算法(CTVS).实验表明,CTVS具有较高的尺度自适应能力,能更好地减轻目标跟踪过程中可能出现的遮挡、光照变化、背景混杂、变形等干扰因素的影响,具有较高的鲁棒性和准确性.同时算法计算效率较高,能够达到实时跟踪的目的.
【作者单位】： 福州大学数学与计算机科学学院;
【关键词】： 目标跟踪 压缩感知 Haar-like特征 尺度变化
【基金】：国家自然科学基金项目(No.61502105)资助~~
【分类号】：TP391.41
【正文快照】： ZHANG Yuting,YE Dongyi,KE Xiao,CHEN Zhaojiong(College of Mathematics and Computer Science,Fuzhou University,Fuzhou 350116)Citation ZHANG Y T,YE D Y,KE X,CHEN Z J.An Improved Compressive Tracking AlgorithmAdapting to Variable Target Scales.Pattern Recogni，

本文编号：734277