|
|
基于全局背景与特征降维的视觉跟踪算法 |
孙彦景* 王赛楠 石韫开 云霄 施文娟 |
(中国矿业大学信息与控制工程学院 徐州 221116) |
|
|
摘要 相关滤波算法容易受到形变、运动模糊、相似背景等因素的干扰,导致跟踪任务失败。为了克服以上问题,该文提出一种基于全局背景与特征降维的视觉跟踪算法。该算法首先提取紧邻目标的图像区域作为负样本供分类器学习,以抑制相似背景的干扰;然后提出一种基于主成分分析的更新策略,构建降维矩阵压缩HOG特征的维度,在更新分类器的同时减少其冗余度;最后加入颜色特征表征运动目标,并根据特征对系统状态的响应强度进行自适应融合。在标准数据集上将该文提出的算法与Staple, KCF等其他算法进行了仿真对比,结果表明该文算法具有更强的鲁棒性,在形变因素的影响下,所提出的算法与Staple和KCF算法相比距离精度分别提升8.3%和 13.1%。
|
|
关键词 :
视觉跟踪,
全局背景信息,
特征降维,
自适应融合
|
收稿日期: 2017-12-04
出版日期: 2018-06-07
|
|
基金资助:江苏省自然科学基金青年基金(BK20150204),国家重点研发计划(2016YFC0801403),国家自然科学基金(51504214, 51504255, 51734009, 61771417),江苏省重点研发计划(BE2015040) |
[1] |
侯志强,王鑫,余旺盛,戴铂,金泽芬芬. 基于自适应深度稀疏网络的在线跟踪算法[J]. 电子与信息学报, 2017, 39(5): 1079-1087. |
[2] |
郑超,陈杰,殷松峰,杨星,冯云松,凌永顺. 改进的协同训练框架下压缩跟踪[J]. 电子与信息学报, 2016, 38(7): 1624-1630. |
[3] |
侯志强,戴铂,胡丹,余旺盛,陈晨,范舜奕. 基于感知深度神经网络的视觉跟踪[J]. 电子与信息学报, 2016, 38(7): 1616-1623. |
[4] |
邬战军,牛敏,许冰,牛燕雄,耿天琪,张帆,满达. 基于谱回归特征降维与后向传播神经网络的识别方法研究[J]. 电子与信息学报, 2016, 38(4): 978-984. |
[5] |
王暐,王春平,付强,徐艳. 实时超像素跟踪算法[J]. 电子与信息学报, 2016, 38(3): 571-577. |
[6] |
李寰宇,毕笃彦,查宇飞,杨源. 一种易于初始化的类卷积神经网络视觉跟踪算法[J]. 电子与信息学报, 2016, 38(1): 1-7. |
[7] |
丰明坤,赵生妹, 邢超. 基于视觉显著失真度的图像质量自适应评价方法[J]. 电子与信息学报, 2015, 37(9): 2062-2068. |
[8] |
李寰宇,毕笃彦,杨源,查宇飞,覃兵,张立朝. 基于深度特征表达与学习的视觉跟踪算法研究[J]. 电子与信息学报, 2015, 37(9): 2033-2039. |
[9] |
薛模根,朱虹,袁广林. 基于在线判别式字典学习的鲁棒视觉跟踪[J]. 电子与信息学报, 2015, 37(7): 1654-1659. |
[10] |
侯志强, 黄安奇,余旺盛, 刘翔. 基于局部分块和模型更新的视觉跟踪算法[J]. 电子与信息学报, 2015, 37(6): 1357-1364. |
[11] |
袁广林, 薛模根. 基于稀疏稠密结构表示与在线鲁棒字典学习的视觉跟踪[J]. 电子与信息学报, 2015, 37(3): 536-542. |
[12] |
蔡自兴,彭梦,余伶俐. 基于时序特性的自适应增量主成分分析的视觉跟踪[J]. 电子与信息学报, 2015, 37(11): 2571-2577. |
[13] |
侯志强,张浪,余旺盛,许婉君. 基于快速傅里叶变换的局部分块视觉跟踪算法[J]. 电子与信息学报, 2015, 37(10): 2397-2404. |
[14] |
袁广林, 薛模根. L2范数正则化鲁棒编码视觉跟踪[J]. 电子与信息学报, 2014, 36(8): 1838-1843. |
[15] |
程旭, 李拟珺, 周同驰, 周琳, 吴镇扬. 稀疏表示的超像素在线跟踪[J]. 电子与信息学报, 2014, 36(10): 2393-2399. |
|
|
|
|