基于多表观特征子模型更新的鲁棒视觉跟踪

sugarbabysu

摘要:在视觉跟踪中,传统模型更新算法在遮挡、光照变化及自身旋转等情况下通常存在鲁棒性较差的问题.为改善该性能,提出一种对多表观特征相应子模型进行选择性更新的鲁棒视觉跟踪算法.该算法首先建立候选子模型库,然后通过三个互补特征融合的粒子滤波跟踪确定当前帧目标位置和信息,最后将当前帧三种特征直方图信息与候选库中各子模型分别计算加权相似度,更新候选库后与阈值比较,判断是否更新当前子模型实验结果表明:本文算法能够对特征相应子模型进行有效的选择性更新,与对比算法比较,在多种复杂变化的跟踪条件下,总体上能够具有更好的跟踪鲁棒性.
. Q- B, Y  i8 y" F1 D& L6 k- L; o
+ P  L; J7 D# i$ F  e关键词:视觉跟踪;粒子滤波;模型更新;多特征融合﹔候选子模型库;加权相似度
: b; @) i$ r3 h: {6 L, ~" }+ r: @! {
; D: Y% [% L5 Q3 H: B% J      如何适应目标的表观变化及应对背景干扰的影响是鲁棒视觉跟踪所面临的挑战之一.其中,粒子滤波算法由于原理简单、计算复杂度低及易解决多模情况等优点已广泛应用于许多实时跟踪系统中,但由于缺少模型更新,当出现目标旋转,遮挡或光照变化时易导致跟踪失败.其他早期跟踪算法也具有此类问题.
& q; q; G3 c# C5 u4 A7 p7 Y: c
" ^6 h4 u0 \/ i8 R
! w+ x8 L% e. T  n) r

游客，如果您要查看本帖隐藏内容请回复

+ F6 e! W6 x6 c% r% o6 @3 O3 M2 F


! h& n8 K2 S3 g3 Q

qq666888qqw

视觉追踪