共查询到19条相似文献,搜索用时 45 毫秒
1.
2.
基于色彩局域搜索的彩色目标快速跟踪方法 总被引:6,自引:1,他引:5
提出了一种基于色彩局域搜索的彩色目标快速跟踪方法。该色彩搜索法是利用目标特征色在目标跟踪点附近搜索目标,而无需对整幅图像地行搜索。其图像处理速度不受图像尺度的影响,因而实时跟踪速度大大提高。实验结果得出:该方法的跟踪速度可达到18.45frames/s,跟踪效率为73.8%。 相似文献
3.
4.
一种基于均值移位的红外目标跟踪新方法 总被引:13,自引:0,他引:13
均值移位算法是一种搜索与样本点分布最相近模式的非参数统计方法.在彩色序列图像目标跟踪中,均值移位算法是一种有效的方法.但在红外目标跟踪中,由于单一灰度特征空间缺乏描述红外目标的信息,使得基于均值移位算法的红外目标跟踪不稳健.为了克服这个缺点,提出了构造级联灰度空间的红外目标跟踪新方案.同时,对于不同的红外图像序列使用不同的方法产生级联灰度空间.实验结果表明该方法对于红外小目标以及强杂波背景目标的跟踪是有效和稳健的. 相似文献
5.
6.
基于自适应多特征融合的均值迁移红外目标跟踪 总被引:3,自引:0,他引:3
针对采用单一特征跟踪鲁棒性不高的问题,该文提出一种自适应多特征融合均值迁移红外目标跟踪算法。为了增强对目标的表征能力,对局部均值对比度算法进行改进,利用局部均值对比度和灰度特征表征目标。在特征融合中引入特征不确定度量方法,自适应调整不同特征对跟踪结果的贡献,有效地提高均值迁移算法的鲁棒性。为了进一步提高对尺度变化目标的跟踪性能,采取尺度算子更新跟踪窗的大小。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。 相似文献
7.
8.
9.
为了提高视频目标跟踪的鲁棒性和准确性,本文提出了基于局部搜索(Local Search)和粒子滤波(Particle Filter)相结合的视频目标跟踪方法——LSPF(Local Search Particle Filter)算法.利用粒子滤波得到样本的权值后,将局部搜索用于每一个粒子,使权值小的粒子收敛于邻近的权值较大的粒子处,有效克服了传统PF算法的粒子退化问题.实验结果表明,传统PF算法平均跟踪误差为10.89,而本文提出的LSPF算法平均跟踪误差仅为3.49,在跟踪性能上有了很大改善.尤其当目标受到干扰时,LSPF算法仍能实现对目标的准确跟踪,为稳定跟踪提供了有利保障. 相似文献
10.
提出了一种新的前视红外序列图像目标跟踪方法.利用基于区域分割和模板匹配的全局补偿算法进行运动估计,有效消除了运动平台中摄像机运动对跟踪性能带来的不利影响.同时,采用二元联合变换相关器进行红外目标的检测与跟踪.通过将振幅调制的功率谱转化为脉冲调制的功率谱,可以获得更清晰尖锐的相关峰,提高了算法的鲁棒性.实验结果表明,该方法是有效的和稳健的. 相似文献
11.
12.
13.
融合局部三值数量和色度信息的均值漂移跟踪 总被引:1,自引:0,他引:1
该文提出了局部三值数量(Local Ternary Number, LTN)这一新的局部显著性纹理算子,并将其与色度信息相结合得到一种新的目标跟踪方法。该方法充分利用目标像素与其八邻域像素灰度值的大小关系,将局部显著性算子 (Local Similarity Number, LSN)加以拓展,设计了局部三值数量这一新的局部显著性纹理算子,该算子能区分目标像素在同一局部显著度下的不同纹理结构;LTN掩膜提取边缘、线和角点上关键像素以提高纹理特征的区分能力,同时能够较完整地保留目标信息;在此基础上,将掩膜内目标像素的LTN特征与色度信息融合生成一种新的目标模型,并嵌入到均值漂移(Mean Shift, MS)框架完成目标的跟踪。实验结果表明,该文提出的目标跟踪方法在场景中存在相似颜色和光照变化干扰的情况下,仍能持续准确地实现目标的定位,提高了传统均值漂移跟踪算法的性能。 相似文献
14.
近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒和局部的。针对此,该文提出一种引入全局上下文特征模块的DenseNet孪生网络目标跟踪算法。该文创新性地将DenseNet网络作为孪生网络骨干,采用一种新的密集型特征重用连接网络设计方案,在构建更深层网络的同时减少了层之间的参数量,提高了算法的性能,此外,为应对目标跟踪过程中的外观变化,该文将全局上下文特征模块(GC-Model)嵌入孪生网络分支,提升算法跟踪精度。在VOT2017和OTB50数据集上的实验结果表明,与当前较为主流的算法相比,该文算法在跟踪精度和鲁棒性上有明显优势,在尺度变化、低分辨率、遮挡等情况下具有良好的跟踪效果,且达到实时跟踪要求。
相似文献15.
在经典Mean Shift跟踪算法框架中,颜色是一种有效的视觉特征。但在实际跟踪过程中,光照、角度、摄像机位置等的变化会极大地削弱颜色特征的有效性,从而造成跟踪的不稳定。本文提出了一种对光照变化具有鲁棒性的Mean Shift人脸跟踪算法。首先,对光照对目标特征域的影响进行建模分析,然后根据分析结果将高斯截断核函数引入到目标概率密度函数中以减小光照变化对目标跟踪的影响,最后将新的目标概率密度函数纳入到Mean Shift跟踪算法框架中。实验仿真结果表明,本文算法在光照剧烈变化的情况下,对人脸的跟踪具有很好的鲁棒性。 相似文献
16.
针对相关滤波器跟踪算法在目标快速运动、遮挡和表观变化时易发生跟踪漂移或者丢失的问题,提出一种基于时间一致性和核互相关器的目标跟踪算法。该算法通过引入对图像噪声和杂波更具鲁棒性的核互相关向量,能够更精确地预测目标的仿射变化。同时,在学习过程中引入时间一致性约束,以解决因核相关器时间退化导致的跟踪漂移问题。最后,采用主灰度分量逆映射来提升跟踪器应对目标部分遮挡的能力。在公开的OTB100标准目标跟踪数据集中与提供的基准算法和其他性能更加先进的相关滤波算法进行对比,该算法平均跟踪速度为41f/s,相对fDSST和SAMF算法,其跟踪精度分别提升15.6%和6.4%,跟踪成功率分别提升33.3%和6.1%。实验结果表明,该算法在目标快速运动、遮挡或表观变化时仍能精确地跟踪目标。 相似文献
17.
基于背景建模和动态分块的目标跟踪 总被引:1,自引:0,他引:1
MeanShift算法在做目标跟踪时不能解决混乱背景和严重的局部遮挡的问题。因此,本文提出了一种新的目标跟踪算法来解决这两个问题。该算法首先利用最大化后验概率在MeanShift跟踪框架内融入背景信息,然后在跟踪过程中根据候选区域和模板区域的相似度结合空间金字塔技术对目标进行动态分块,使得目标能够克服背景的干扰并保留一定的几何结构信息。实验结果表明,相比于MeanShift算法,新提出的算法能够克服混乱背景和严重的局部遮挡,有效地跟踪目标。 相似文献
18.
目前大部分基于检测的跟踪算法将跟踪任务看作是一个类别分类的任务,当目标发生形变或者遇到相似物体的干扰时,容易导致模型漂移。为此该文提出一种多实例回归跟踪算法。在该算法中,跟踪任务被认为建立在实例模型之上更为合适,为此该文利用一帧图像建立实例模型,并在时间序列上建立多实例模型集合表征目标的最近状态;为使跟踪算法能够适应目标的形变,利用逻辑回归将实例模型作为隐变量,由最近若干帧建立的正负样本集作为训练集,共同构建多实例回归跟踪模型。由于跟踪模型在整体上对多个实例模型建模,把它们紧密地联系在一起,故能有效应对目标的形变;由于模型漂移仅会影响当前帧的实例模型,各个实例模型之间互相独立,故跟踪算法能够有效减轻模型漂移对鲁棒跟踪的影响。实验中,OTB 2013数据库和UAV 123数据库被用来验证该文算法,DeepSRDCF, Siamese-fc等算法作为对比算法,实验结果表明,该文算法不仅充分发挥了基于多实例回归模型进行跟踪的优势,在形变等属性上具有很好的性能,而且在整体性能上优于各类先进算法3%~5%。 相似文献
19.
该文提出了一种运动目标的两步跟踪算法。该算法首先利用形态学方法得到目标的结构模板,再利用结构模板完成对目标的跟踪。结构模板由目标图像中能够反映目标基本结构信息的稳定的边缘和交叉点构成。跟踪过程分为两步:第一步先把结构模板调整到要跟踪的目标附近;第二步作精细调整使结构模板发生形变,收敛到目标图像中的交叉点和边缘处。由于在跟踪过程中考虑了目标的整体结构信息,利用这种方法可以大大提高跟踪的稳定性。 相似文献