为解决变尺度目标的跟踪问题,本文基于压缩感知理论设计了一种具有目标尺度不变性的目标跟踪方法.该方法首先通过插值的方式将初始帧中要跟踪的目标扩展细化至设定的模板图像大小,提取其压缩感知变换后的低维Haar-like特征作为模板特征并初始化分类器,其次利用卡尔曼滤波对待跟踪的图像帧中目标所在位置和尺度变化趋势进行预测,然后在预测目标所在位置周围提取多个不同尺度的待测目标样本并提取其压缩感知变换后的低维Haar-like特征,最后将这些特征送人分类器进行分类得到真实目标并更新分类器.经过实验验证,本文所设计的跟踪方法的平均跟踪成功率为77％,平均中心位置误差为12像素.能够实现对运动过程中发生尺度变化的目标的有效跟踪.
参考文献
| [1] | Alper Yilmaz;Omar Javed;Mubarak Shah.Object Tracking: A Survey[J].ACM computing surveys,20064(4):B1-B45. |
| [2] | 侯志强;韩崇昭.视觉跟踪技术综述[J].自动化学报,2006(4):603-617. |
| [3] | Risheng Han;Zhongliang Jing;Yuanxiang Li.Kernel based visual tracking with scale invariant features[J].中国光学快报(英文版),2008(03):168-171. |
| [4] | 李静宇;王延杰.基于子空间的目标跟踪算法研究[J].液晶与显示,2014(4):617-622. |
| [5] | Achlioptas D..Database-friendly random projections: Johnson-Lindenstrauss with binary coins[J].Journal of Computer and System Sciences,20034(4):671-687. |
| [6] | Baraniuk, R;Davenport, M;DeVore, R;Wakin, M.A Simple Proof of the Restricted Isometry Property for Random Matrices[J].Constructive approximation: An international journal for approximations and expansions,20083(3):253-263. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%