江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
针对传统跟踪方法难以实时准确适应目标尺度变化这一问题,基于核相关滤波跟踪框并采用尺度估计方法,提出一种自适应尺度的目标跟踪算法。对正则化最小二乘分类器进行求解,获得滤波模板,并对候选样本进行检测,估计出目标的位置;利用尺度估计方法,在已确定目标位置处根据前一帧目标的大小对当前帧目标尺度进行检测,由最大的响应值确定当前帧目标的尺度;根据遮挡检测机制,在线更新目标和尺度模型参数。实验结果表明,所提出的算法与其他跟踪算法中的最优者相比,距离精度提高了17.12%,成功率提高了10.77%;在目标发生背景干扰、严重遮挡以及在光照、姿态和尺度变化等复杂场景下,该算法仍具有较好的跟踪效果。
机器视觉 目标跟踪 核相关滤波 最小二乘分类器 尺度估计 遮挡检测 激光与光电子学进展
2018, 55(4): 041501
江南大学轻工过程先进控制教育部重点实验室，江苏无锡 214122
针对目标跟踪在复杂场景中鲁棒性较差以及有效性较低的问题，基于在线检测跟踪框架提出一种基于回归的自适应多特征融合目标跟踪算法。对密集采样得到的各子图像块提取出多种特征分别建立目标表观模型，通过正则化最小二乘分类器得到各模型的响应，利用加权和准则融合各响应，通过求解岭回归方程自适应地在线更新各响应权重以增强局部判别力，得到精确而稳定的检测分数值，从而进行有效鲁棒地跟踪。实验结果表明，该算法在大多数复杂场景下其跟踪精度和鲁棒性优于现有的目标跟踪算法。
目标跟踪 岭回归 多特征融合 正则化最小二乘分类器 target tracking ridge regression multi-feature fusion regularized least squares classifier
