基于BRISK特征点改进的跟踪学习检测方法.pdf

第 43卷 第2期 计 算 机 工 程 2017年 2月 Vo1．43 No．2 ComputerEngineering February2017 · 图形图像处理 · 文章编号：1000．3428(2017)02-0268-05 文献标志码：A 中图分类号：TP391·41 基于 BRISK特征点改进的跟踪学习检测方法 祝 贤坦，石繁槐 (同济大学 电子与信息工程学院，上海 201804) 摘 要：为提高长时 目标跟踪的鲁棒性和准确性，提出一种改进的跟踪学习检测(TLD)方法。利用少量具有尺度 不变特性的BRISK特征点和均匀分布点组成跟踪点集合代替TLD中的均匀分布跟踪点。这样不仅可 以减少跟踪 部分的计算量，而且可 以提高跟踪的鲁棒性。当跟踪器利用前后项误差检测到遮挡时，通过使用 目标的空间上下 文信息扩大跟踪范围再次跟踪，进而解决遮挡的问题 。实验结果表 明，改进的TLD方法在多个测试序列上都有较 好的跟踪性能，与传统的TLD相 比，鲁棒性更好，准确率更高。 关键词：跟踪学习检测方法 ；BRISK特征点 ；跟踪点集合 ；目标跟踪 ；空间上下文 中文引用格式 ：祝贤坦 ，石繁槐．基于 BRISK特征点改进的跟踪学习检测方法 [J]．计算机工程，2017，43(2)：268— 272，279． 英文引用格式 ：ZhuXiantan，ShiFanhuai．ImprovedTrackingLearningDetectionMethodBasedonBRISKKeypoints[J]． ComputerEngineering，2017，43(2)：268—272，279． ImprovedTrackingLearningDetectionM ethodBased on BRISK Keypoints ZHU Xiantan．SHIFanhuai (CollegeofElectronicsandInformationEngineering，TongjiUniversity，Shanghai201804，China) 【Abstract】Inordertoimprovetherobustnessandaccuracyofthelong—term objecttracking，thispaperproposesan improvedTrackingLearningDetection(TLD)method．TrackingpointssetconsistsofafewBRISKkeypointswithscale— invariantfeatureanduniformed—distributedpoints．Trackingpointssetisusedtoreplacetheuniformed-distributedpoints in TLD toreducethecomputationoftrackingpartandimprovetherobustnessoftracking．Thetrackingrangeisextended andthetrack istakenagainbyusingthespatialcontextinformation ofthetargetwhenforward—backwarderrormeetsthe condition ofocclusion，and then solvesthe problem ofocclusion．Experimentalresults show thatthe improved TLD methodhasbetter tracking performance on several test sequences，and outperforms the traditionalTLD in terms of robustnessand accuracy． 【Keywords】TrackingLearningDetection(TLD)method；BRISKkeypoints；trackingpoints