基于局部分块学习的在线视觉跟踪

silenced

摘 要： 视觉跟踪中，如何构建一种能够适应目标表观特征变化的目标模型是增强算法跟踪精度和稳定性的关 键之一．本文提出利用跟踪区域内像素的初始分类标记来构建目标的局部分块模型，并在贝叶斯理论框架下提出了基 于局部分块学习的在线视觉跟踪算法．首先，利用标定的初始跟踪区域构建目标的局部分块模型；然后，在当前跟踪区 域中通过局部分块学习和贝叶斯估计确定当前帧的跟踪结果；最后，利用特征聚类对局部分块模型进行更新．实验结 果表明：所提算法对目标表观变化的适应性明显增强，跟踪精度和稳定性较近年来的同类算法均有一定提高． 关键词： 视觉跟踪；局部分块模型；贝叶斯估计；模型更新

8 T" Q0 F1 z4 L) Q      随着计算机视觉和多媒体技术的不断发展，视觉跟 踪技术逐渐应用于许多民用和军用领域．由于在增强人 工智能和提高生产效率等方面的潜在优势，视觉跟踪理 论研究已经成为学者们关注的热点问题．在实际应用场 合中，跟踪系统对算法跟踪的精度和稳定性提出了较高 的要求．然而，当被跟踪目标的表观特征发生较大变化 时，跟踪算法的某些性能往往达不到跟踪系统的要求． 此时，如何构建能够适应复杂表观变化的目标模型是解 决问题的关键．早期的跟踪算法［１］直接利用模板进行跟 踪，对目标的尺度、旋转和形变比较敏感。
2 `( [- u# N( w  y. }; p7 i# O 基于局部分块学习的在线视觉跟踪.pdf (3.5 MB, 下载次数: 0)

2020-11-5 11:05 上传

点击文件名下载附件
下载积分: 威望 -5

: M/ g' _+ z+ H( H

weqewq

视觉跟踪理 论研究