大小渐变目标检测与跟踪算法研究

大小渐变目标检测与跟踪算法研究摘要:针对快速压缩跟踪(FCT)算法?y以适应复杂背景下大尺寸目标渐变成一个点H标的情况,提出一种改进的H标跟踪算法。首先采用FCT进行跟踪,并且计算当前帧跟踪框与初始跟踪框之间的余弦相似度。一旦余弦相似度小于设定的阈值,则立即切换到卡尔曼滤波器,并且采用基于最大连通域的方法检测目标位置及大小。当目标接近点目标,则将目标检测方法切换至基于高斯差分尺度空间的目标检测方法。实验结果表明该算法可以实现尺寸渐变H标的实时跟踪。本文采集自网络,本站发布的论文均是优质论文,供学习和研宂使用,文中立场与本网站无关,版权和著作权归原作者所有,如有不愿意被转载的情况,请通知我们删除已转载的信息,如果需要分享,请保留本段说明。关键词:运动H标跟踪;压缩感知;卡尔曼滤波器;高斯差分尺度空间:TN911.73?34;TP391.4文献标识码:A文章编号:10047373X(2017)13?0048?05Abstract:Sincethefastcompressivetracking(FCT)algorithmisdifficulttoadapttothesituationthatthelarge?scaletargetshrinkstoapointgraduallyincomplexenvironment,animprovedtargettrackingalgorithmisproposed.TheFCTalgorithmisusedtotrackthetarget,andcalculatethecosinesimilaritybetweenthetrackingboxofcurrentframeandtrackingboxofinitialframe.Oncethecosinesimilarityissmallerthanthesettingthreshold,thetrackingalgorithmisswitchedtotheKalmanfilterimmediately,meanwhilethemethodbasedonbiggestconnectedareaisusedtodetectthelocationandsizeofthetarget.Ifthetargetisclosetothepointtarget,thetargetdetectionmethodisswitchedtothetargetdetectionmethodbasedonGaussiandifferentialscalespace.Theexperimentalresultsshowthattheproposedalgorithmcantrackthevariable?sizedmovingtargetinrealtime.Keywords:movingtargettracking;compressivesensing;Kalmanfilter;Gaussiandifferentialscalespace0引言传统的跟踪算法一般都采用最近儿帧的观测数据来更新模型,因而通常都面临两个问题:跟踪初始阶段数据不足;由于引入偏离的样本而导致0标漂移,而且许多算法的计算复杂度都相当高。快速压缩跟踪算法(FastCompressiveTracking,FCT)[1]因其可以较好地解决由于引入偏离样本所导致的目标漂移问题而被广泛关注。文献[2]针对压缩感知跟踪算法特征单一的问题提出使用多个投影矩阵实现多特征联合跟踪。文献[3]采用梯度方向直方图特征替换Haar特征进行压缩感知跟踪。为了解决被遮挡区域特征缺失造成的位置偏移,文献[4]提出采用在线特征选择方法,从候选特征池中选择置信度较高的特征构造分类器。文献[5]采用随机蕨分类器进行特征分类并通过一种特征置信度度量策略进行在线更新及样本选择,同时提出一种针对目标遮挡的反馈机制。由于FCT是基于H标特征的提取和判别进行跟踪的,因而对于基本没有形状和纹理特征的小目标并不适用。上述文献普遍都是针对大尺寸0标进行跟踪,对于0标大小渐变的情况未给出解决方法。特别是当目标跑远,在视场中表现为一个斑点且背景较为复杂时,使用FCT跟踪误差较大。此外,即使目标变成小目标,其尺寸也不是同定不变的,若采用单一尺寸的滤波器检测容易丢失目标。因而考虑对小目标进行多尺度检测。对于0标检测的多尺度方法,文献[6]使用多尺度小波变换检测目标,但该方法没有提供目标的位置和大小信息且计算量大。文献[7]对目标进行建模,利用尺度规范化后的拉普拉斯尺度算子以及像素梯度关系获得可疑H标的中心位置及其尺寸大小。文献[8]通过寻找高斯差分空间中的极大值来获得可疑目标的位置及大小。目标的大小及位置信息对于之后的决策与处理具有重要的指导意义。基于上述原因,本文提出一种针对不同目标大小可以自主切换的跟踪算法以适应不同环境的需要,当目标较大且具有一定的纹理信息时采用多尺度FCT,当跟踪框余弦相似度小于设定的阈值则迅速切换到卡尔曼滤波器进行跟踪,且根据目标尺寸采用不同的目标检测方法。1压缩感知跟踪算法压缩感知理论(CompressiveSensing,CS)[9?10]表明,如果...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、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!文档内容仅供参考,付费前请自行鉴别。
3、如文档内容存在侵犯商业秘密、侵犯著作权等,请点击“举报”。

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

客服邮箱:

biganzikefu@outlook.com

所有的文档都被视为“模板”,用于写作参考,下载前须认真查看,确认无误后再购买;

文档大部份都是可以预览的,笔杆子文库无法对文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;

文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为依据;

如果您还有什么不清楚的或需要我们协助,可以联系客服邮箱:

biganzikefu@outlook.com

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

笔杆子文秘
机构认证
内容提供者

为您提供优质文档,供您参考!

确认删除?