基于分块的多特征融合变尺度目标跟踪算法.pdf

基于分块的多特征融合变尺度目标跟踪算法.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于分块的多特征融合变尺度目标跟踪算法.pdf

lid T 文献引用格式 :李凯,刘颖,李娜,等.基于分块的多特征融合变尺度 目标跟踪算法[J].电视技术,2017,41(1):6—13. UK,LIUY,LIN,eta1.Objecttrackingalgorithmbasedonblockingmultiplefeatureintegrationandscale—variant [J].Videoengineering,2017,41(1):6-13. 中图分类号 :TP391.4 文献标志码 :A DOI:10.16280/j.videoe.2017.O1.002 基于分块的多特征融合变尺度 目标跟踪算法 李 凯 ,刘 颖 ,李 娜 ,戚秀真 (1.西安邮电大学通信与信息工程学院,陕西 西安710061;2.长安大学信息工程学院,陕西 西安 710064) 摘要:为了增强彩色视频中目标外观描述能力和解决跟踪过程中目标尺度变化的问题,提出一种基于分块的多特征融合 变尺度 目标跟踪算法。设计了一个能处理不同挑战因素下对 目标的精确跟踪算法,首先提取HSV分块的颜色直方图特征 和PCA-HOG特征并采用多通道线性核函数对两种特征进行融合构建训练样本,然后求解线性岭回归函数获得位置核相 关滤波器模型,并以线性核函数来计算候选区域在 7个尺度空间上与跟踪 目标的响应值,最后利用尺度 自适应模板更新模 型参数。实验结果表明,提出的算法在彩色视频中不仅能较好地 自适应 目标尺度的变化,在复杂场景下也具有较强的鲁 棒性。 关键词:目标跟踪;多特征融合;变尺度;线性核函数 objecttrackingalgorithm basedonblockingmultiplefeatureintegrationandscale-variant LIKai,LIUYing,LINa,QIXiuzhen (』.SchoolofCommunicationandInformationEngineering,Xi’anUniversityofPostsand Telecommunications,Xi’an710061,China; 2.SchoolofInformationEngineering,Chang’anUniversity,Xi’an710064,China Abstract:Toenhancedescriptioncapabilityofobjectsappearanceincolorvideoandtosolvetheproblemofobjectscale-variant duringtrackingprocess,objecttrackingalgorithmbasedonblockingmultiplefeatureintergationandscale—variantisproposed.The objectcanbetrackedaccuratelyunderdifferentchallengefactorsbyproposedalgorithm.Firstly,HSVcolorhistorgamfeaturesand PCA-HOGfeaturesofobjectregionblockareextracted.Afterusinglinearkernelfunctionfusesthetwofeatures,kernelizedcorre· lationfiltermodelsareobtainedbylinearridgeregressionfunction.Thedegreeofsimilaritybetweenthetrackingobjectandcandi— dateregioncallbecalculatedbylinearkernelfunctionandthemaximum responseoftheclassifieron7scalespacesareobtained. ● Finally,themodelparameters areupdatedwitht

您可能关注的文档

文档评论(0)

170****0532 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8015033021000003

1亿VIP精品文档

相关文档