共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
目标跟踪是计算机视觉领域重要研究方向之一。压缩感知跟踪速度快、精度高,但是跟踪被遮挡目标时使用被遮挡的哈尔特征构建分类器,导致分类器性能降低,目标容易丢失。为了解决该问题,提出了根据l1稀疏表示判断哈尔特征是否被遮挡,然后使用未被遮挡的特征构建贝叶斯分类器。首先对每一帧跟踪结果运用稀疏表示提取出未被遮挡特征的集合,在构建贝叶斯分类器时仅使用未被遮挡的特征。然后使用训练好的分类器对下一帧候选样本进行分类,选取具有最大分类响应的候选样本作为跟踪结果。实验结果表明,该算法在跟踪目标部分遮挡时相比CT算法有更高跟踪准确度,算法能够实时得到高效、准确的目标跟踪结果。 相似文献
3.
范引娣 《西安文理学院学报》2009,12(1):81-85
提出一种视频多目标中跟踪人体目标的有效方法．在单摄像头对固定场景监控中,首先通过彩色空间的降维,根据置信度更新背景模型,消除时间变化引起的阳光,天气等因素对背景图像的影响;然后使用背景减除获得多目标模板,分析多目标遮挡问题,利用人体目标的多子块灰度特征匹配得多目标遮挡中人体目标的跟踪;实验证明这种方法可有效地用于视频的人体跟踪中． 相似文献
4.
目标跟踪是计算机视觉领域重要的研究方向之一。基于l1最小化稀疏表示的目标跟踪算法跟踪精度高,但是在跟踪部分遮挡目标或当背景中存在与目标相似的干扰物时会发生漂移。这主要是因为算法仅关注目标的整体特征,而忽略了目标局部特征的变化情况。为了解决该问题,提出基于目标外观局部稀疏表示的跟踪算法。首先,对待选样本进行分块,然后利用采集得到的模板对各分块进行稀疏表示并计算重构误差,最后选取累积误差最小的待选样本作为跟踪目标。实验结果表明,该算法在跟踪被部分遮挡的目标时相比l1跟踪算法有更高的准确度。 相似文献
5.
针对传统的STC目标跟踪算法在刚性形变、多尺度自适应跟踪效果不稳定问题,提出了一种改进的STC目标跟踪算法。结合时空上下文信息特征,利用PCA自适应颜色降维特征建立外观模型,获得先验模型|在频域进行在线学习,建立上下文模型|计算置信图,找到响应分数最大值,预测下一帧位置。为验证算法有效性,在Benchmark库提供的数据集中进行算法测试和分析,结果证明,其在刚性形变、快速运动、遮挡、彩色图像跟踪中有较好的鲁棒性。 相似文献
6.
甘志英 《唐山师范学院学报》2023,(6):78-82
针对目标跟踪中的快速运动、旋转、遮挡等问题,采用核函数算法实现目标跟踪。利用卷积实现密集采样,使用高斯核函数岭回归估计目标位置,在线更新高斯模型和核相关滤波器。通过OTB数据集对算法进行实验验证,结果表明,算法Precision能达到69.7%,Success达到66.8%,跟踪速度达412fps。实验表明,算法在跟踪过程中可对旋转、模糊、遮挡图像中的目标进行有效跟踪,在多个指标上优于其它比较算法。 相似文献
7.
针对传统MeanShift跟踪算法在进行目标跟踪时,由背景因素带来的定位偏差和缺乏相应的模型更新策略而易陷入局部最小值的情况,提出了两方面的改进措施。一方面在建立目标模型时,对背景像素建立新的模型以弱化对目标模型的影响,另一方面在跟踪过程中,融合目标颜色特征和连续两帧目标中心的欧氏距离动态的决定目标模型更新策略。实验结果表明,该算法在目标姿态、环境光照变化强烈时均能取得较好的跟踪效果。 相似文献
8.
9.
针对传统均值漂移跟踪算法由于目标框大小不能变化,尤其当目标尺度大小发生较大变化或旋转时容易导致目标丢失的问题,提出一种联合颜色与背景信息的目标框自适应调整跟踪算法。以经典均值漂移算法为主体跟踪框架,构建前景目标颜色直方图,以Bhattacharyya距离与迭代次数作为判断下一帧目标中心位置的条件,每次迭代通过在当前帧目标框区域内建立感兴趣目标与局部背景空间模型,经快速傅里叶变换后计算当前帧与下一帧空间模型,得到尺度调节因子,作为每一帧跟踪窗口大小的权重,进而不断调整跟踪窗口尺度大小。通过自适应调整每一帧跟踪窗口的尺度调节因子,达到实时修正目标模型描述,进而提高跟踪准确性的目的,大大降低了由于目标模型固化导致的中心位置跟踪累积误差。通过对两组图像的序列仿真结果表明,改进算法相比于经典算法具有更强的鲁棒性。 相似文献
10.
利用卡尔曼算法对运动目标跟踪展开研究,提出了一种基于卡尔曼预测的轨迹片段关联目标跟踪算法。首先利用卡尔曼预测缩小搜索区域,对检测结果进行匹配关联,生成可信的短轨迹片段;然后对每个轨迹片段通过卡尔曼预测迭代关联,形成单个目标的跟踪轨迹集合。实验证明该方法可有效提高轨迹片段关联跟踪算法效率,解决目标相互遮挡问题,实现对目标的稳定跟踪。 相似文献
11.
提出基于NTSS和压缩感知的人脸跟踪算法,采用不同的搜索半径和步长双重采样,运用NTSS搜索方法作为目标的检测方法。通过国际标准的人脸数据库AFW和MALF视频序列进行算法的测试,并使用中心距离均值算法对压缩感知算法和基于NTSS压缩感知的人脸跟踪算法进行比对,得出基于NTSS和压缩感知的人脸跟踪算法最大可降低59. 01%的误差;此外NTSS压缩感知人脸跟踪算法在人脸发生遮挡再跟踪、人脸几何变换和在暗光条件下具有较好的鲁棒性。 相似文献
12.
13.
针对目标跟踪中IVT(Incremental visual tracking)算法对遮挡问题比较敏感,1算法计算量大的缺点,将PCA(Principal Component Analysis)子空间假定为具有高斯噪声和拉普拉斯噪声,同时引入二进制值以排除遮挡因素,提出了基于最小软阈值和连续概率奇异值的目标跟踪算法。实验结果表明,新算法对光照、遮挡、尺度变化等因素具有较强的鲁棒性。 相似文献
14.
针对视觉跟踪中运动目标的鲁棒性问题,提出一种基于卷积神经网络结合稀疏自动编码器的特征提取方法进行图像目标跟踪。该方法首先将大量有标注数据集输入到卷积神经网络进行预训练,然后使用这些卷积特征无监督的训练稀疏自编码器得到稀疏特征,并利用该特征对目标进行描述。最后结合两种经典的跟踪方法,采用Meanshift与卡尔曼滤波对目标进行实时跟踪。结果表明,利用深度学习模型代替以往人工提取特征的方式能够更好地描述目标模型,对光照变化、尺度变化、遮挡等都具有良好的适应性,以及较好的实时性。 相似文献
15.
压缩感知目标跟踪算法由于特征单一,导致在目标纹理变化、光照变化和背景变换较大的情况下,跟踪目标漂移甚至丢失。针对该问题,提出了一种融合多特征的实时目标跟踪算法。该算法首先融合多种特征进行特征提取,解决了特征单一问题,显示了较好的鲁棒性。然后在分类器进行更新时应用加权函数解决分类器权重问题。在OTB 13测试库选取3个测试序列对改进算法进行测试。实验结果表明,改进算法在处理目标外观变换和遮挡变化时显示出了良好的鲁棒性。 相似文献
16.
在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。 相似文献
17.
传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。 相似文献
18.
针对复杂环境下的多目标跟踪问题提出了一种新的跟踪方法．在检测部分,采用第三级离散小波变换和背景差分进行了目标分割．在跟踪部分,首先利用卡尔曼滤波器和缩放因子估计目标在下一帧中的中心位置和矩形框尺寸,然后在中心关联和区域关联的基础上提出了投射率和遮挡率的概念,并结合投射率和遮挡率推断目标行为．最后针对具体目标行为,自适应地调整跟踪方案和卡尔曼参数实现了多目标跟踪．在遮挡情况下利用部分观测调整估计框以获得目标测量值和最优框尺寸．提出的方法对处于遮挡、新出现以及稳定等情况下的运动目标均具有鲁棒的跟踪性能．实验结果表明提出的方法是有效的． 相似文献
19.
20.
尚俊 《湖北第二师范学院学报》2014,31(8)
针对目标在运动过程中会发生光照和姿态变化,背景干扰,遮挡等因素造成目标偏移甚至丢失的问题,提出了一种基于稀疏表示的目标追踪算法.在粒子滤波框架下,采用目标在超完备字典下的稀疏表示作为观测模型,通过l1范数优化求解稀疏表示系数,并利用重构残差更新粒子权重,可以有效地减小背景杂波和噪声对追踪算法的不利影响.实验结果表明,该算法有较好的稳定性和鲁棒性. 相似文献