作者单位
摘要
贵州大学大数据与信息工程学院, 贵州 贵阳 550025
鉴于传统的跟踪学习检测(TLD)算法存在稳健性差、跟踪成功率低以及运算效率低等问题,提出一种结合二进制稳健不变可扩展关键点(BRISK)特征点与区域预估的TLD跟踪算法。在跟踪器中引入BRISK特征点,将其与传统的用于跟踪的普通像素点相结合,共同用于目标跟踪,由于BRISK特征点提取较快,从而使得跟踪器部分的总体运算时间降低;在检测器部分采用了卡尔曼滤波器与马尔可夫模型方向预测器相结合的方式,该方式使得最终送入到检测器的子图像块数量大幅缩减,且对相似目标的辨别能力增强,进而提升了检测器的速度和精度。实验结果表明,相比于传统TLD算法,所提TLD算法的跟踪精度提高约64.4%,运行速度提升约39.6%,并具有更好的稳健性。
机器视觉 目标跟踪 特征点 区域预估 方向预测 
激光与光电子学进展
2018, 55(6): 061503

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!