中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
6期
932-939
,共8页
压缩感知%目标跟踪%特征选择%目标模型更新
壓縮感知%目標跟蹤%特徵選擇%目標模型更新
압축감지%목표근종%특정선택%목표모형경신
compressive sensing%object tracking%feature selection%target model update
目的 为了增强压缩感知跟踪算法在复杂场景下的性能,提出一种特征选择与目标模型更新的改进跟踪算法.方法 本文算法包含两方面的改进,一是根据特征的正负类条件概率分布的距离选择能有效区分目标与背景的特征;二是根据当前目标与原始目标的差异自适应更新目标外观模型,使得目标遇到较大遮挡或者姿态频繁改变时目标外观模型不会被错误更新.结果 对于10个复杂环境下的经典视频序列,基于压缩感知的改进跟踪算法获得平均85.19％的正确跟踪率和平均13.74个像素的跟踪误差效果,在中心误差、成功率和精确度3个指标上均优于最近提出的3个代表性跟踪算法.结论 实验结果表明,本文新的特征选择和目标模型更新算法,既增强了压缩感知跟踪算法的鲁棒性,又加快了跟踪速度.
目的 為瞭增彊壓縮感知跟蹤算法在複雜場景下的性能,提齣一種特徵選擇與目標模型更新的改進跟蹤算法.方法 本文算法包含兩方麵的改進,一是根據特徵的正負類條件概率分佈的距離選擇能有效區分目標與揹景的特徵;二是根據噹前目標與原始目標的差異自適應更新目標外觀模型,使得目標遇到較大遮擋或者姿態頻繁改變時目標外觀模型不會被錯誤更新.結果 對于10箇複雜環境下的經典視頻序列,基于壓縮感知的改進跟蹤算法穫得平均85.19％的正確跟蹤率和平均13.74箇像素的跟蹤誤差效果,在中心誤差、成功率和精確度3箇指標上均優于最近提齣的3箇代錶性跟蹤算法.結論 實驗結果錶明,本文新的特徵選擇和目標模型更新算法,既增彊瞭壓縮感知跟蹤算法的魯棒性,又加快瞭跟蹤速度.
목적 위료증강압축감지근종산법재복잡장경하적성능,제출일충특정선택여목표모형경신적개진근종산법.방법 본문산법포함량방면적개진,일시근거특정적정부류조건개솔분포적거리선택능유효구분목표여배경적특정;이시근거당전목표여원시목표적차이자괄응경신목표외관모형,사득목표우도교대차당혹자자태빈번개변시목표외관모형불회피착오경신.결과 대우10개복잡배경하적경전시빈서렬,기우압축감지적개진근종산법획득평균85.19％적정학근종솔화평균13.74개상소적근종오차효과,재중심오차、성공솔화정학도3개지표상균우우최근제출적3개대표성근종산법.결론 실험결과표명,본문신적특정선택화목표모형경신산법,기증강료압축감지근종산법적로봉성,우가쾌료근종속도.
