|
|
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
摘 要：针对实际视觉跟踪中目标表观与前背景的非线性变化，论文提出一种基于偏最小二乘分析(PLS)表示与随8 `" S- D) J7 I+ i4 H6 v1 j
机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先，为了提高算法
1 k. @* I5 O5 A: Y5 Y对前背景表观变化的稳定性，利用 PLS 理论的非线性对目标区域的前背景信息进行表达，并通过空间聚类构造多( C2 Q, ` j% W0 T: |. {$ Y# f2 u
个线性外观模型来描述目标区域的动态变化，建立带约束条件的表观特征库；然后，提出一种确定性搜索机制，构
" \& x* {( Y' O! U, j1 Z造联合优化目标函数，使表示误差与分类损失最小化；结合表观建模特点，构建随机梯度分类器，对模型进行增量
1 B+ \+ X! {1 Z* @特征更新，最终实现对目标的稳定准确跟踪。经多场景对比实验验证，该算法能有效应对目标前背景的多种复杂变
/ d5 d+ g! s3 m/ u- }8 _9 f, _9 U化。
+ H( b0 r: z) E. D5 x关键词：目标跟踪；偏最小二乘；表观模型；随机梯度；联合优化 - b! G2 ?9 E3 t3 M5 ~. d |, d
1 引言! m" `( @! C8 y3 D! B" l# o) r
视觉目标跟踪是计算机视觉领域的一项重要研0 r- X3 P5 r2 ]
究方向，目的是将目标从背景中准确分离出来，实% h2 L( j, i+ h" V+ ?
质是目标的连续检测与识别。然而由于实际跟踪场; W+ l% [* A" p3 @- v
景中，目标表观与背景往往会出现各种不规律的变
' h+ C) m- E7 k2 U9 I化，如光照突变、频繁遮挡，目标旋转、相机运动、
: q, h: O# \4 s3 m背景突变等均对跟踪算法带来了较大挑战。因此如$ ?' |& M t( ^6 k7 k
何克服这些挑战，有效提高跟踪算法的鲁棒性与准
; n4 e+ O; C$ B3 R2 E) w2 ~4 q$ ^4 J5 t8 U
! N- [- ]! C' Y4 b
! `2 L8 l4 \* Q7 X% u7 A0 S, H- v. I1 ~) f3 p; ^
9 K( l0 c! o3 V1 \0 P$ W
附件下载：' T, l, S6 U$ x8 U2 C
/ C2 c' n# {0 m A1 h |
|
/1 
发表于 2021-4-14 11:09
收藏
淘帖
支持！
反对！