南京航空航天大学航天学院, 江苏 南京 210016
近年来, 基于相关滤波的目标跟踪算法因其具有很好的跟踪精度和明显的速度优势, 引起了研究人员的极大关注。提出一种基于自适应特征选择的多尺度相关滤波跟踪算法。首先, 提取三种互补特征, 通过相关滤波响应图评估各特征的跟踪性能, 自适应选择最优特征进行位置跟踪; 其次, 预设响应图阈值作为位置相关滤波模型更新的判断条件, 优化模型更新方式; 最后, 引入尺度相关滤波跟踪器, 进一步提高了算法的尺度适应性和跟踪精度。实验部分将该算法和近年来流行的相关滤波及非相关滤波类跟踪算法进行了对比, 结果表明, 该算法在精度上优于其他算法, 同时具有53.12 frame/s的实时跟踪速度。
机器视觉 目标跟踪 相关滤波 自适应特征选择 自适应尺度
轻工过程先进控制教育部重点实验室 (江南大学), 江苏 无锡 214122
针对目标跟踪中如何有效地描述目标, 以适应跟踪环境变化的问题, 提出了一种基于分布域描述算子的视频目标跟踪算法。首先, 采用分布域描述算子来建立目标模型; 然后选择粒子滤波算法进行目标状态估计实现目标跟踪; 在跟踪过程中, 采用在线更新模型的方法, 降低了光照变化以及部分遮挡带来的影响, 从而提高跟踪的准确率。在常用的视频序列上进行了实验, 并与目前常用的算法进行了比较。实验结果表明该算法具有较好的跟踪效果, 能实现复杂场景下的目标跟踪。
视频目标跟踪 分布域描述算子 粒子滤波 visual object tracking distribution filed descriptor particle filter
四川大学 视觉合成图形图像技术国防重点学科实验室,四川 成都 610065
目标模型更新中存在的模型漂移问题,是影响视频跟踪结果的一个重要因素。针对这一难题,提出了一种新的基于前景分割的目标跟踪算法。算法通过引入条件随机场(CRF)模型对跟踪区域和非跟踪区域的时空关系进行建模,实现对图像序列中像素点的标记,标记为跟踪目标或背景,并使用在线学习方法,根据场景的变化调整CRF模型的参数。跟踪过程中,通过对CRF模型的求解,得到最优的标记场和目标像素的置信图像;利用置信图像,结合目标模型的相似性度量定位整个目标;根据目标区域内的标记结果,使用一种选择性采样的方式更新目标模型,从而解决更新中的漂移问题。通过在多个典型的复杂场景中进行实验,验证了该算法的有效性。
信息处理 视觉目标跟踪 模型漂移 条件随机场 置信图 选择性更新
