利用视觉显著性和扰动模型的上下文感知跟踪
为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪.本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性；同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化；最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题.利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较.实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法.与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值.
目标跟踪 上下文感知 扰动模型 视觉显著性 相关滤波
张博 江沸菠 刘刚
长沙师范学院信息与工程系,湖南长沙410100 湖南师范大学物理与信息科学学院,湖南长沙410081 长沙师范学院信息与工程系,湖南长沙410100;中南大学物理与电子学院,湖南长沙410083
国内会议
合肥
中文
2112-2121
2018-04-01（万方平台首次上网日期，不代表论文的发表时间）