信号处理
信號處理
신호처리
Journal of Signal Processing
2015年
10期
1287-1293
,共7页
多通道特征%空时线索%霍夫森林%视频跟踪
多通道特徵%空時線索%霍伕森林%視頻跟蹤
다통도특정%공시선색%곽부삼림%시빈근종
multiple channels features%spatio-temporal cues%hough forests%visual tracking
视频跟踪是计算机视觉领域的研究热点之一,Tracking-Learning-Detection(TLD)是近年来提出的一种有效的视频跟踪框架.针对短时遮挡以及复杂可变背景环境下的目标跟踪问题,提出了一种基于空时线索的TLD视频跟踪算法.在该算法中,采用由局部图像块的多通道特征训练生成的霍夫森林进行检测,通过多个局部图像块引入目标相关的空间位置信息,提高了算法的区分能力;然后,根据图像块对光流跟踪初始位置进行随机化布置并利用空间位置信息对光流跟踪结果进行加权,改善光流跟踪的性能;最后,对光流跟踪输出置信度与霍夫森林检测输出置信度进行自适应空时融合,综合提高目标的跟踪精度.实验结果表明,与原始TLD算法相比,本文算法能够更有效地处理遮挡问题,实现复杂背景环境下的鲁棒目标跟踪.
視頻跟蹤是計算機視覺領域的研究熱點之一,Tracking-Learning-Detection(TLD)是近年來提齣的一種有效的視頻跟蹤框架.針對短時遮擋以及複雜可變揹景環境下的目標跟蹤問題,提齣瞭一種基于空時線索的TLD視頻跟蹤算法.在該算法中,採用由跼部圖像塊的多通道特徵訓練生成的霍伕森林進行檢測,通過多箇跼部圖像塊引入目標相關的空間位置信息,提高瞭算法的區分能力;然後,根據圖像塊對光流跟蹤初始位置進行隨機化佈置併利用空間位置信息對光流跟蹤結果進行加權,改善光流跟蹤的性能;最後,對光流跟蹤輸齣置信度與霍伕森林檢測輸齣置信度進行自適應空時融閤,綜閤提高目標的跟蹤精度.實驗結果錶明,與原始TLD算法相比,本文算法能夠更有效地處理遮擋問題,實現複雜揹景環境下的魯棒目標跟蹤.
시빈근종시계산궤시각영역적연구열점지일,Tracking-Learning-Detection(TLD)시근년래제출적일충유효적시빈근종광가.침대단시차당이급복잡가변배경배경하적목표근종문제,제출료일충기우공시선색적TLD시빈근종산법.재해산법중,채용유국부도상괴적다통도특정훈련생성적곽부삼림진행검측,통과다개국부도상괴인입목표상관적공간위치신식,제고료산법적구분능력;연후,근거도상괴대광류근종초시위치진행수궤화포치병이용공간위치신식대광류근종결과진행가권,개선광류근종적성능;최후,대광류근종수출치신도여곽부삼림검측수출치신도진행자괄응공시융합,종합제고목표적근종정도.실험결과표명,여원시TLD산법상비,본문산법능구경유효지처리차당문제,실현복잡배경배경하적로봉목표근종.
