资料下载
×
基于多尺度自适应权重的目标跟踪算法
消耗积分:0 |
格式:pdf |
大小:4.28 MB |
2021-06-16
分享资料个
目标跟踪是计算杌视觉中的一个重要研究领域，在交通导航、自动驾驶、机器人技术等众多方面有着广泛应用。基于局部稀疏表示的生成式模型算法ASLA的速度快、跟踪准确性高，但是在复杂跟踪环境下，例如目标局部遮挡、目标外观剧烈变化等，往往会丢失目标。文中分析原算法跟踪原理得到了产生目标跟踪丢失的原因。基于ASLA算法，提出了3点改进方法：1）适应跟踪目标区域大小，采用多尺度分块方式，获取互补的目标局部信息;2）在ASLA特征池化过程中根据分块重构误差建模分块自适应权重，以区分不同分块中包含的判别信息，且在多尺度池化特征中引入不同尺度下的目标遮挡信息作为权重;3）在模板更新时，利用最近帧跟踪结果的稀疏表示权重，使更新模板更相似最近跟踪结果，提高了算法的鲁棒性。实验结果表明，该算法在复杂跟踪环境下相比ASLA等具有更高的跟踪准确度，能够实时、准确地跟踪到目标。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
