|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
基于最大池图匹配的形变目标跟踪方法 w; D+ @ K j, A: I: z7 v
摘―要:该文提出了一种基于最大池图匹配的形变目标跟踪算法,适用于跟踪目标产生较大形变或者严重遮挡等场合.此方法首先将目标搜索区域过分割为候选目标部件并建立动态图表示,即目标部件的表象特征和它们之间的几何位置关系.然后采用最大池图匹配算法,得到目标图和候选图中部件的匹配关系,从而确定出目标位置的置信图.联合考虑目标整体和目标部件对目标位置的支持,投票决定出精确的目标位置.在各种形变目标的跟踪序列测试下，该算法与其他跟踪器的对比验证了其有效性和鲁棒性.
$ s' y; C3 f5 _! |/ `关键词:视觉目标跟踪;动态图表示;最大池图匹配6 ?* j/ y' k; S- v0 ]6 Q' U0 O& f
& ?' V4 ~* l, ~, C4 @
1 引言) x8 s. {6 s" l9 ~6 {$ g
视觉跟踪作为计算机视觉领域的基础问题,在各方面都取得了重要应用,比如视频监控、轨迹分析以及人机交互等.尽管之前研究者设计出各种算法并取得重要进展,但是由于目标在跟踪过程中出现剧烈形变、严重遮挡、不规则运动以及尺度变化等情况,对形变目标的跟踪仍然是一项棘手的工作.
. z0 W9 y: ~6 f4 Z8 H' B: O x! q7 n之前方法大多基于目标整体模型建立复杂的特征表达来描述目标的表象变化,比如稀疏表示1~3',子空间学习“以及SVM模型[5等.由于存在目标形变和遮挡,很多固定尺度的跟踪器在跟踪过程中会引入背景噪声或者丢失前景信息,导致跟踪失败.为增强其适应度,一些基于部件的跟踪器[6~8]不断被提出.文献[6]基于SLIC过分割算法将目标分割成超像素目标部件，建立表象模型来区分前景和背景区域.但是由于较少考虑目标部件之间的结构信息,当前景和背景表象相似时容易混淆目标.在此基础上,文献[7]综合考虑结构信息,基于频谱分析算法将跟踪问题转化为图匹配问题,频谱分析算法的精度决定了跟踪效果.相似地,文
2 v7 l0 C* V8 |7 D% k9 s0 b* M, W5 t! p
7 p/ G3 }0 @0 T& e; Z4 P
* c4 I" H( U. a: g( G3 y' j
8 s" X; Y1 L0 j3 m* F( F5 D |
|
/1 
发表于 2021-3-29 13:35
收藏
淘帖
支持！
反对！