光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
3期
730-736
,共7页
毛征%袁建建%吴珍荣%曲劲松%李红岩
毛徵%袁建建%吳珍榮%麯勁鬆%李紅巖
모정%원건건%오진영%곡경송%리홍암
在线特征选择%压缩感知%子区域特征%实时压缩跟踪
在線特徵選擇%壓縮感知%子區域特徵%實時壓縮跟蹤
재선특정선택%압축감지%자구역특정%실시압축근종
online feature selection%compressive sensing%sub-region feature%real-time compressive tracking
针对原始压缩跟踪算法无法自适应选择特征易导致目标丢失或者漂移这一现象,提出一种基于在线选择特征的实时压缩跟踪算法.首先,在初始化阶段生成两个互补的投影矩阵,利用该投影矩阵提取特征构造候选特征池.然后,通过特征置信度度量策略实时从候选特征池中选择置信度较高的特征,并融合所选特征对应的置信度构造分类器.最后,利用该分类器对候选样本做二元分类处理,获得最高分类器响应值的样本作为最后跟踪结果;而上一帧跟踪结果用来在线更新特征池和分类器为后续跟踪做准备.本算法在多个公共测试视频序列与原始压缩跟踪算法进行了对比,结果表明其跟踪精度和鲁棒性方面得到了改善,对于320 pixel×240 pixel大小的视频平均处理帧速为25 frame/s,满足实时跟踪要求.
針對原始壓縮跟蹤算法無法自適應選擇特徵易導緻目標丟失或者漂移這一現象,提齣一種基于在線選擇特徵的實時壓縮跟蹤算法.首先,在初始化階段生成兩箇互補的投影矩陣,利用該投影矩陣提取特徵構造候選特徵池.然後,通過特徵置信度度量策略實時從候選特徵池中選擇置信度較高的特徵,併融閤所選特徵對應的置信度構造分類器.最後,利用該分類器對候選樣本做二元分類處理,穫得最高分類器響應值的樣本作為最後跟蹤結果;而上一幀跟蹤結果用來在線更新特徵池和分類器為後續跟蹤做準備.本算法在多箇公共測試視頻序列與原始壓縮跟蹤算法進行瞭對比,結果錶明其跟蹤精度和魯棒性方麵得到瞭改善,對于320 pixel×240 pixel大小的視頻平均處理幀速為25 frame/s,滿足實時跟蹤要求.
침대원시압축근종산법무법자괄응선택특정역도치목표주실혹자표이저일현상,제출일충기우재선선택특정적실시압축근종산법.수선,재초시화계단생성량개호보적투영구진,이용해투영구진제취특정구조후선특정지.연후,통과특정치신도도량책략실시종후선특정지중선택치신도교고적특정,병융합소선특정대응적치신도구조분류기.최후,이용해분류기대후선양본주이원분류처리,획득최고분류기향응치적양본작위최후근종결과;이상일정근종결과용래재선경신특정지화분류기위후속근종주준비.본산법재다개공공측시시빈서렬여원시압축근종산법진행료대비,결과표명기근종정도화로봉성방면득도료개선,대우320 pixel×240 pixel대소적시빈평균처리정속위25 frame/s,만족실시근종요구.
