计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
11期
3297-3301
,共5页
镜像%Mean Shift%全遮挡%巴氏系数%目标跟踪
鏡像%Mean Shift%全遮擋%巴氏繫數%目標跟蹤
경상%Mean Shift%전차당%파씨계수%목표근종
mirror image%Mean Shift%fully occlusion%Bhattacharyya coefficient%object tracking
针对当目标跟踪过程中目标被全遮挡时易导致目标跟踪不精确、甚至丢失目标的问题,提出一种基于镜像Mean Shift的遮挡目标跟踪算法.当前后帧Bhattacharyya系数匹配度大于等于80％时,表示目标没有被遮挡,采用颜色特征和轮廓特征定位目标,利用分块沙包窗核函数实现尺寸自适应;当前后帧Bhattacharyya系数匹配度小于80％时,表示目标进入遮挡区域,则利用先验训练分类器和镜像原理对遮挡区域目标的位置和尺寸大小进行预测;当前后帧Bhattacharyya系数匹配度再次大于等于80％时,表示目标离开遮挡区域,则转换为Mean Shift跟踪.实验结果表明:所提算法与子区域分类器的在线Boosting算法和多视角多目标协同追踪算法相比,在目标全遮挡的情况下能更好地跟踪目标,提高了跟踪精度和鲁棒性,且满足实时性要求.
針對噹目標跟蹤過程中目標被全遮擋時易導緻目標跟蹤不精確、甚至丟失目標的問題,提齣一種基于鏡像Mean Shift的遮擋目標跟蹤算法.噹前後幀Bhattacharyya繫數匹配度大于等于80％時,錶示目標沒有被遮擋,採用顏色特徵和輪廓特徵定位目標,利用分塊沙包窗覈函數實現呎吋自適應;噹前後幀Bhattacharyya繫數匹配度小于80％時,錶示目標進入遮擋區域,則利用先驗訓練分類器和鏡像原理對遮擋區域目標的位置和呎吋大小進行預測;噹前後幀Bhattacharyya繫數匹配度再次大于等于80％時,錶示目標離開遮擋區域,則轉換為Mean Shift跟蹤.實驗結果錶明:所提算法與子區域分類器的在線Boosting算法和多視角多目標協同追蹤算法相比,在目標全遮擋的情況下能更好地跟蹤目標,提高瞭跟蹤精度和魯棒性,且滿足實時性要求.
침대당목표근종과정중목표피전차당시역도치목표근종불정학、심지주실목표적문제,제출일충기우경상Mean Shift적차당목표근종산법.당전후정Bhattacharyya계수필배도대우등우80％시,표시목표몰유피차당,채용안색특정화륜곽특정정위목표,이용분괴사포창핵함수실현척촌자괄응;당전후정Bhattacharyya계수필배도소우80％시,표시목표진입차당구역,칙이용선험훈련분류기화경상원리대차당구역목표적위치화척촌대소진행예측;당전후정Bhattacharyya계수필배도재차대우등우80％시,표시목표리개차당구역,칙전환위Mean Shift근종.실험결과표명:소제산법여자구역분류기적재선Boosting산법화다시각다목표협동추종산법상비,재목표전차당적정황하능경호지근종목표,제고료근종정도화로봉성,차만족실시성요구.
