登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
一种健壮的超像素跟踪算法
  • 摘要

    在目标跟踪中,传统的超像素跟踪算法在发生遮挡等情况后,会将非目标超像素标记为目标加入到特征空间.在对候选样本置信度计算中,利用特征空间中最近邻超像素来划定样本中超像素的簇归属会产生错误;而依据的近邻超像素数量过多时,又会造成分类误差的积累.为解决上述问题,本文提出一种健壮的超像素跟踪算法.本算法以贝叶斯算法为框架,首先,将前几帧进行超像素切割,提取特征并使用均值漂移聚类算法和基于超像素的外观表示模型进行分类和计算类置信度,放入特征空间中.其次,根据接下来几帧的平均中心误差确定最佳近邻数目.最后,在跟踪过程中,对获取帧的指定区域进行超像素切割,提取特征、进行软分类和计算置信度;根据上一帧目标位置进行高斯采样,累加样本内超像素置信度,获得样本置信度;在发生严重遮挡时,不进行滑动窗口更新和外观模型修改,使用当前模型继续跟踪.与传统的最近邻超像素算法相比,本算法能够有效提升跟踪成功率和降低平均中心误差.

  • 作者

    郭利  周盛宗  付璐斯  于志刚  GUO Li  ZHOU Sheng-Zong  FU Lu-Si  YU Zhi-Gang 

  • 作者单位

    中国科学院福建物构所,福州350002;福建师范大学数学与计算机科学学院,福州350117/中国科学院福建物构所,福州350002;福建师范大学数学与计算机科学学院,福州350117;中北大学计算机与控制工程学院,太原030051/中国科学院福建物构所,福州350002;中北大学计算机与控制工程学院,太原030051

  • 刊期

    2017年12期 ISTIC

  • 关键词

    最佳近邻数目  软分类  目标跟踪  均值漂移算法  置信度  遮挡  best number of nearest neighbors  soft classification  object tracking  meanshif  confidence  occlusion 

相似文献 查看更多>>
3.223.3.101