密集特征加权跟踪算法.pdfVIP

E·ma…ig@radi．ac．cn 中国图象图形学报 AN0GRAPHICS Webs．te：www-c扣g．cn JoURNALoFIMAGE 1-eI：010 ◎中国图象图形学报叛权所有 中图法分类号： 文献标识码：A 文章编号：1006_8961(2叭5)05-0664一14 H Fs．Thedense and 论文引用格式：LuoL，Mei feature—weightedobjecttracking[J]．JoumalofImage J，Kong 密集特征加权跟踪算法 罗会兰1，梅晶1，孔繁胜2 1．江西理工大学信息工程学院，赣州341000；2．浙江大学计算机科学技术学院，杭州310027 摘要：目的 当前大多数基于Mean．shift的跟踪算法都忽视了目标中密集的特征信息，本文有效利用密集特征 信息，来提高跟踪的准确性。方法在目标模型中，常存在一些颜色特征相对聚集，形成一定大小的特征密集区， 这些区域的面积或大或小，对人眼视觉跟踪异常重要。这些区域形成的空间结构信息，可以被利用到目标跟踪。 提出一种高效的目标模型，通过计算密集特征区域面积，以及密集区质心到目标中心的距离，构建加权系数，通过 该系数，来增加目标中分布相对集中的特征的权值，同时削弱离散特征的权值。同时使用零阶矩和目标模型与候 选模型之间的相似度系数，估算目标的面积；再使用预测目标面积补偿法，对目标中因使用背景加权法而权重被削 弱的特征区域，进行面积补偿；最后使用估算的目标区域面积以及二阶中心距，估算目标尺度和方向的改变。在跟 踪过程中，背景如发生较大变化，则对目标模型进行更新。结果本文算法具有很好的尺度适应性，跟踪平均准确 率在94．6％以上，得到较当前一些先进方法更好的准确度和效率。结论提出的算法能增加目标模型中不同特征 权值间的差异，使得构建的目标模型具有较强区分目标和背景的能力，提高了定位目标的准确性；面积补偿法解决 了目标因特征权重被削弱，而导致估算的目标面积小于实际面积的问题。 关键词：目标跟踪；尺度自适应；密集特征加权；Mean—shift Thedense objecttrac埘ng feature-weighted Luo Huilanl，Mei Fanshen92 Jin91，Kong 341000，C^ino； 1．s如ooz旷蜘几M砌nEn画册拥ng，^o彬iuni唧苫妙0，Sc据n卯血蒯‰^，lo坳，G口舵_110u 2．击。of o，comp眦盯＆ie聊n蒯z色如加z99y，z^咖口ng‰i钾阿谚，舶，耐DⅡ310027，吼iM of Mostmean-shiftbased info瑚ationonthe distribution Abstract：ObjectiVe