基于多区域的随机蕨在线目标跟踪算法

基于多区域的随机蕨在线目标跟踪算法

李婷, 赵文杰, 杨帅

文章导航 > 红外技术 > 2016 > 38(11) : 953-959.

李婷, 赵文杰, 杨帅. 基于多区域的随机蕨在线目标跟踪算法[J]. 红外技术, 2016, 38(11): 953-959.

引用本文:

李婷, 赵文杰, 杨帅. 基于多区域的随机蕨在线目标跟踪算法[J]. 红外技术, 2016, 38(11): 953-959.

LI Ting, ZHAO Wenjie, YANG Shuai. An Online Object Tracking Algorithm Using Random Ferns Based on Multi-regions[J]. Infrared Technology , 2016, 38(11): 953-959.

Citation:

LI Ting, ZHAO Wenjie, YANG Shuai. An Online Object Tracking Algorithm Using Random Ferns Based on Multi-regions[J]. Infrared Technology , 2016, 38(11): 953-959.

基于多区域的随机蕨在线目标跟踪算法

空军航空大学,吉林长春,130000
空军(航空大学)创新理论研究中心

基金项目: 国家自然科学基金:雾视错觉理论及应用研究(61301233)

详细信息

中图分类号: TP391
计量
- 文章访问数: 129
- HTML全文浏览量: 13
- PDF下载量: 10
出版历程

An Online Object Tracking Algorithm Using Random Ferns Based on Multi-regions

摘要: 原始的随机森林跟踪算法,是以像素点的灰度值作为检测特征,在目标发生遮挡和旋转时,容易产生跟踪漂移,为此本文提出了一种基于多区域融合的随机蕨在线目标跟踪算法.首先将目标候选区域划分为多个子区域,然后采用基于积分图的随机蕨分类器对每个子区域的候选图像块进行分类,在跟踪过程中自适应地融合子区域分类结果以剔除被遮挡子区域对目标跟踪结果的影响,同时更新随机蕨特征和子区域图像块的选择.结合对TLD算法部分模块的改进,通过对不同视频序列进行测试,实验结果显示本文算法在跟踪大小320 pixel×240 pixel的视频序列时,跟踪速度达到20~30 frame/s左右,目标中心位置误差在30 pixels时,算法准确率可达到80%以上.
- 目标跟踪 /
- 随机蕨算法 /
- 多区域融合 /
- 目标在线模型

参考文献(0)

资源附件(0)

计量

文章访问数: 129
HTML全文浏览量: 13
PDF下载量: 10
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

x 关闭永久关闭

尊敬的专家、作者、读者：

端午节期间因系统维护，《红外技术》网站（hwjs.nvir.cn）将于2024年6月7日20:00-6月10日关闭。关闭期间，您将暂时无法访问《红外技术》网站和登录投审稿系统，给您带来不便敬请谅解！

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题，可发送邮件至编辑部邮箱（irtek@china.com）与我们联系。

感谢您对本刊的支持！

《红外技术》编辑部

2024年6月6日