利用选择性模型不定时更新的视觉跟踪算法

• 作者: 余旺盛 侯志强 戴铂 管桦 范舜奕
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 目标跟踪 粒子滤波 最速梯度下降法 定时检测 选择性 不定时模型更新
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 745-755
• 页数: 11页
• 分类号: TP391.4
• 字数: 6880字
• 语种: 中文
• DOI: 10.11834/jig.20160607

摘要

目的 在目标跟踪中,基本粒子滤波算法和传统模型更新策略在遮挡、光照变化以及自身旋转等情况下通常存在鲁棒性较差的问题.为解决该问题,提出一种基于选择性模型不定时更新的粒子滤波视觉跟踪算法.方法 本文算法在粒子滤波框架下,定时检测目标变化,采用最速梯度下降法判断更新时机.仅当目标本身逐渐姿态改变而不受背景干扰时更新目标模型;在发生遮挡或光照改变较大时则不更新,保持当前模型继续跟踪.结果 通过对示例视频的计算机视觉跟踪,在跟踪目标中心位置误差、覆盖率、精度及成功率比较上,本文算法均能表现出较优的实验结果,这表明:本文算法能够对目标模型进行选择性更新,与对比算法比较,总体能够更加有效解决视频中遮挡、光照变化以及自身旋转等情况下的鲁棒跟踪问题.结论 由于本文算法未考虑尺度,在尺度不变的多种复杂变化条件下,本文算法均具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余旺盛	空军工程大学信息与导航学院	71	426	10.0	17.0
2	侯志强	空军工程大学信息与导航学院	74	1526	13.0	38.0
3	管桦	空军工程大学信息与导航学院	39	159	8.0	11.0
4	戴铂	空军工程大学信息与导航学院	9	38	4.0	6.0
5	范舜奕	空军工程大学信息与导航学院	5	26	3.0	5.0