高斯混合模型结合加权似然的目标跟踪算法

• 作者: 陈超
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 改进高斯混合模型 分数阶导数学习率 目标跟踪算法 加权似然跟踪 期望值最大化
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 124-131
• 页数: 8页
• 分类号: TP391
• 字数: 6428字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0391

摘要

鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵,提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法.主要引入了自适应高斯混合模型来实时检测运动目标,然后空间加权似然来进行视频中的目标定位,引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题.通过VOT 2014 dataset对比实验结果表明提出的基于加权似然跟踪(Weighted Like-lihood Tracking,WLT)和改进高斯混合模型(Improved Gaussian Mixture Model,IGMM)的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的精度有较大提高.在应对多尺度、多角度变化的目标跟踪表现出了较大的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈超	内江师范学院四川省数据恢复重点实验室	19	34	3.0	5.0