光电工程
光電工程
광전공정
OPTO-ELECTRONIC ENGINEERING
2015年
2期
66-72
,共7页
压缩跟踪%压缩感知%SIFT%SVM分类器
壓縮跟蹤%壓縮感知%SIFT%SVM分類器
압축근종%압축감지%SIFT%SVM분류기
compressive tracking%compressive sensor%SIFT%SVM classifier
本文提出一种新的融合SIFT(尺度不变特征)和压缩特征的目标跟踪算法以解决姿态变换、光照变化、旋转和运动模糊下目标的稳定准确跟踪问题。算法使用压缩特征对目标和背景进行描述,通过在图像帧中采集到的正负样本在线训练和学习SVM(支持向量机)分类器,将跟踪任务构建为一个二类分类问题。使用该分类器对下一帧的目标和背景进行分类,从而获得精确的目标位置和区域。同时,算法使用前后两帧的 SIFT 特征点之间的对应匹配关系求解目标尺寸变化值,实现模板大小的自适应调整。将算法与其他算法在某些图像序列上的跟踪比较显示,该算法在有效性、正确性和鲁棒性上性能优越。
本文提齣一種新的融閤SIFT(呎度不變特徵)和壓縮特徵的目標跟蹤算法以解決姿態變換、光照變化、鏇轉和運動模糊下目標的穩定準確跟蹤問題。算法使用壓縮特徵對目標和揹景進行描述,通過在圖像幀中採集到的正負樣本在線訓練和學習SVM(支持嚮量機)分類器,將跟蹤任務構建為一箇二類分類問題。使用該分類器對下一幀的目標和揹景進行分類,從而穫得精確的目標位置和區域。同時,算法使用前後兩幀的 SIFT 特徵點之間的對應匹配關繫求解目標呎吋變化值,實現模闆大小的自適應調整。將算法與其他算法在某些圖像序列上的跟蹤比較顯示,該算法在有效性、正確性和魯棒性上性能優越。
본문제출일충신적융합SIFT(척도불변특정)화압축특정적목표근종산법이해결자태변환、광조변화、선전화운동모호하목표적은정준학근종문제。산법사용압축특정대목표화배경진행묘술,통과재도상정중채집도적정부양본재선훈련화학습SVM(지지향량궤)분류기,장근종임무구건위일개이류분류문제。사용해분류기대하일정적목표화배경진행분류,종이획득정학적목표위치화구역。동시,산법사용전후량정적 SIFT 특정점지간적대응필배관계구해목표척촌변화치,실현모판대소적자괄응조정。장산법여기타산법재모사도상서렬상적근종비교현시,해산법재유효성、정학성화로봉성상성능우월。
An algorithm based on SIFT and compressive features is proposed to develop effective and efficient appearance models for robust object tracking due to factors such as pose variation, illumination change, occlusion, and motion blur. The algorithm describes the target and background with compressive features which labeled as positive and negative specimens sampling from frames. The tracking task is formulated as a binary classification via a SVM classifier with online update in the compressed domain. In new frame, utilize the classifier to obtain the target’s position. Meanwhile, introduce SIFT to solve the target size change, so as to achieve adaptive template size. The proposed tracking algorithm performs favorably against state-of-the-art algorithms on challenging sequences in terms of efficiency, accuracy and robustness.