引入样本删除机制的TLD粒子群目标跟踪

• 作者: 张涛 苗锡奎 郭巳秋
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 目标跟踪 TLD算法 学习模块 样本删除机制
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 信息科学
• 页码范围: 1206-1217
• 页数: 12页
• 分类号: TP394.1
• 字数: 8296字
• 语种: 中文
• DOI: 10.3788/OPE.20192705.1206

摘要

为提高T LD算法在广泛场景下跟踪鲁棒性和实时性的问题,本文从跟踪模块和学习模块两个方面对T LD算法进行了改进,提出引入样本删除机制的T LD粒子群目标跟踪算法.首先,用基于颜色特征的粒子群目标跟踪算法替代T LD算法中原来的跟踪模块,增强T LD算法在应对目标出现非刚性形变、尺度变化、旋转、遮挡等情况下的跟踪鲁棒性.接着,针对T LD算法的学习模块引入样本删除机制,在跟踪过程中为样本库中正负样本数量分别设定一个阈值,当正负样本数都达到各自阈值时,便会启动样本删除机制.然后,对待分类进入样本库的图像块进行等级评价,删除对正负样本表征能力都较弱图像块.最后,将样本库中的正负样本与当前目标进行相似度匹配,删除对当前目标表征能力低的样本.通过对OTB2013和OTB2015数据集中相关视频序列的实验结果证明,本文算法的OPE精确度达到0.687,算法的OPE成功率为0.488,算法运算效率平均提高了25.71％.基本满足广泛场景下目标跟踪的鲁棒性,并显著了提高算法运算效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	中国科学院长春光学精密机械与物理研究所	473	4174	31.0	44.0
2	苗锡奎	中国洛阳电子装备试验中心光电对抗测试评估技术重点实验室	7	15	2.0	3.0
3	郭巳秋	中国科学院长春光学精密机械与物理研究所	2	8	1.0	2.0