引入样本删除机制的TLD粒子群目标跟踪 |
| |
作者姓名: | 郭巳秋 张涛 苗锡奎 |
| |
作者单位: | 中国科学院长春光学精密机械与物理研究所 ,吉林长春130033;中国科学院大学 ,北京100049;中国科学院长春光学精密机械与物理研究所 ,吉林长春,130033;中国洛阳电子装备试验中心光电对抗测试评估技术重点实验室 ,河南洛阳,471000 |
| |
基金项目: | 实验室开放基金;实验室开放基金 |
| |
摘 要: | 为提高TLD算法在广泛场景下跟踪鲁棒性和实时性的问题,本文从跟踪模块和学习模块两个方面对TLD算法进行了改进,提出引入样本删除机制的TLD粒子群目标跟踪算法。首先,用基于颜色特征的粒子群目标跟踪算法替代TLD算法中原来的跟踪模块,增强TLD算法在应对目标出现非刚性形变、尺度变化、旋转、遮挡等情况下的跟踪鲁棒性。接着,针对TLD算法的学习模块引入样本删除机制,在跟踪过程中为样本库中正负样本数量分别设定一个阈值,当正负样本数都达到各自阈值时,便会启动样本删除机制。然后,对待分类进入样本库的图像块进行等级评价,删除对正负样本表征能力都较弱图像块。最后,将样本库中的正负样本与当前目标进行相似度匹配,删除对当前目标表征能力低的样本。通过对OTB2013和OTB2015数据集中相关视频序列的实验结果证明,本文算法的OPE精确度达到0.687,算法的OPE成功率为0.488,算法运算效率平均提高了25.71%。基本满足广泛场景下目标跟踪的鲁棒性,并显著了提高算法运算效率。
|
关 键 词: | 目标跟踪 TLD算法 学习模块 样本删除机制 |
本文献已被 CNKI 万方数据 等数据库收录! |
|