TA的每日心情 | 衰
2019-11-19 15:32 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
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
基于自适应分层结构的压缩分布场跟踪算法 * o2 }4 K# c6 |" S
摘要:为了提高分布场跟踪算法的运算效率,增强其在复杂背景下的鲁棒性缩分布场跟踪算法.该方法充分考虑目标区域像素值分布情况,引入k-means算法对
1 ~6 _4 ]. {4 w. o/ {析,根据聚类结果自适应的产生分布场结构.针对分布场模型维数较高的缺点,融合压缩感知万法对分们场过仃增，降低模型维数,提高算法效率.此外,改变原始分布场跟踪算法采用的局部搜索跟踪策略,利用随机抽样的方式来提高
- H* I7 Y: t) w& i+ U0 m- a- e算法跟踪精度.实验结果表明,提出的算法与当前流行的跟踪算法相比,具有更好的表现.0 q2 z4 S8 ]) N
关键词:分布场;压缩感知;目标跟踪;聚类分析' q# w* @. G, S7 F- a; M9 K4 B2 @
9 b& x( ~5 K# s; e( @3 }
1引言
" l$ x e' A4 e目标跟踪的主要目的是在图像序列中实时估计出目标的位置1,2].目标跟踪在行为分析,智能监控,交通监管等领域都扮演着重要的角色.目标跟踪作为计算机视觉领域的研究热点,近年来有了较大的发展,但同时仍然面临着复杂背景、遮挡、目标形变等许多挑战.9 {# \# h2 i- a* A
目标表示是跟踪系统中最重要的部分[3],许多学者对其进行了深入研究.Sevilla-Lara等于2012年提出分布场"]( Distribution Fields , DF)目标表示方法,该方法不仅保留了目标空间结构信息,并且通过分层将目标与背景分割开来,减小了背景信息对目标的干扰,因此取得较好的跟踪效果,受到了广泛关注.文献[5]提出局部分布场的概念来增强跟踪算法在遮挡环境下的鲁棒性.文献[6]利用分布场代替Haar特征,结合多实例学习框架进行目标跟踪.文献[7]改进分布场跟踪算法的搜索策略,提高算法的效率.但是目前分布场跟踪算法依然存在着几点不足:一、对图像的自然分层缺少针对性,忽视不同目标灰度值分布的差异.二、分布场模型维数较高,影响运算效率.三、采用的梯度下降搜索方法易陷人局部极值,导致目标定位不准.针对以上三个问题,本文提出基于自适应分层结构的压缩分布场跟
- t% l/ S7 |+ T4 b7 z6 Y
0 Z2 C: _8 n( M- C5 ?+ v2 E5 y: M8 ?# m
Z& A/ g' ~& s+ K L* ]& b3 C
% k# S) o2 O% Y B: B |
|
/1 
发表于 2021-4-25 13:47
收藏
淘帖
支持！
反对！