中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2015年
5期
664-677
,共14页
目标跟踪%尺度自适应%密集特征加权%Mean-shift
目標跟蹤%呎度自適應%密集特徵加權%Mean-shift
목표근종%척도자괄응%밀집특정가권%Mean-shift
object tracking%scale-adaptive%weighted dense features%Mean-shift
目的 当前大多数基于Mean-shift的跟踪算法都忽视了目标中密集的特征信息,本文有效利用密集特征信息,来提高跟踪的准确性.方法 在目标模型中,常存在一些颜色特征相对聚集,形成一定大小的特征密集区,这些区域的面积或大或小,对人眼视觉跟踪异常重要.这些区域形成的空间结构信息,可以被利用到目标跟踪.提出一种高效的目标模型,通过计算密集特征区域面积,以及密集区质心到目标中心的距离,构建加权系数,通过该系数,来增加目标中分布相对集中的特征的权值,同时削弱离散特征的权值.同时使用零阶矩和目标模型与候选模型之间的相似度系数,估算目标的面积;再使用预测目标面积补偿法,对目标中因使用背景加权法而权重被削弱的特征区域,进行面积补偿;最后使用估算的目标区域面积以及二阶中心距,估算目标尺度和方向的改变.在跟踪过程中,背景如发生较大变化,则对目标模型进行更新.结果 本文算法具有很好的尺度适应性,跟踪平均准确率在94.6％以上,得到较当前一些先进方法更好的准确度和效率.结论 提出的算法能增加目标模型中不同特征权值间的差异,使得构建的目标模型具有较强区分目标和背景的能力,提高了定位目标的准确性;面积补偿法解决了目标因特征权重被削弱,而导致估算的目标面积小于实际面积的问题.
目的 噹前大多數基于Mean-shift的跟蹤算法都忽視瞭目標中密集的特徵信息,本文有效利用密集特徵信息,來提高跟蹤的準確性.方法 在目標模型中,常存在一些顏色特徵相對聚集,形成一定大小的特徵密集區,這些區域的麵積或大或小,對人眼視覺跟蹤異常重要.這些區域形成的空間結構信息,可以被利用到目標跟蹤.提齣一種高效的目標模型,通過計算密集特徵區域麵積,以及密集區質心到目標中心的距離,構建加權繫數,通過該繫數,來增加目標中分佈相對集中的特徵的權值,同時削弱離散特徵的權值.同時使用零階矩和目標模型與候選模型之間的相似度繫數,估算目標的麵積;再使用預測目標麵積補償法,對目標中因使用揹景加權法而權重被削弱的特徵區域,進行麵積補償;最後使用估算的目標區域麵積以及二階中心距,估算目標呎度和方嚮的改變.在跟蹤過程中,揹景如髮生較大變化,則對目標模型進行更新.結果 本文算法具有很好的呎度適應性,跟蹤平均準確率在94.6％以上,得到較噹前一些先進方法更好的準確度和效率.結論 提齣的算法能增加目標模型中不同特徵權值間的差異,使得構建的目標模型具有較彊區分目標和揹景的能力,提高瞭定位目標的準確性;麵積補償法解決瞭目標因特徵權重被削弱,而導緻估算的目標麵積小于實際麵積的問題.
목적 당전대다수기우Mean-shift적근종산법도홀시료목표중밀집적특정신식,본문유효이용밀집특정신식,래제고근종적준학성.방법 재목표모형중,상존재일사안색특정상대취집,형성일정대소적특정밀집구,저사구역적면적혹대혹소,대인안시각근종이상중요.저사구역형성적공간결구신식,가이피이용도목표근종.제출일충고효적목표모형,통과계산밀집특정구역면적,이급밀집구질심도목표중심적거리,구건가권계수,통과해계수,래증가목표중분포상대집중적특정적권치,동시삭약리산특정적권치.동시사용령계구화목표모형여후선모형지간적상사도계수,고산목표적면적;재사용예측목표면적보상법,대목표중인사용배경가권법이권중피삭약적특정구역,진행면적보상;최후사용고산적목표구역면적이급이계중심거,고산목표척도화방향적개변.재근종과정중,배경여발생교대변화,칙대목표모형진행경신.결과 본문산법구유흔호적척도괄응성,근종평균준학솔재94.6％이상,득도교당전일사선진방법경호적준학도화효솔.결론 제출적산법능증가목표모형중불동특정권치간적차이,사득구건적목표모형구유교강구분목표화배경적능력,제고료정위목표적준학성;면적보상법해결료목표인특정권중피삭약,이도치고산적목표면적소우실제면적적문제.
