基于超像素与bof的运动目标跟踪算法

《基于超像素与bof的运动目标跟踪算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于超像素与BoF的运动目标跟踪算法　　摘要：针对由遮挡、光照、形变等干扰产生的漂移问题，提出基于超像素和BoF的运动目标跟踪算法。此算法首先利用SLIC方法对运动目标的观测区域进行超像素分割，然后基于超像素构造中层视觉线索的超像素字典以及低层像素特征的BoF字典，实现对运动目标表观模型的混合建模，最后引入粒子滤波框架和在线字典更新，以适应目标

2、和背景的变化。实验结果表明，该算法能够很好地应对严重遮挡、非刚性变换、复杂背景等干扰因素的影响，具有很好的稳定性和鲁棒性。　　关键词：目标跟踪；表观模型；中层视觉线索；超像素；BoF；粒子滤波框架　　中图分类号：?34；文献标识码：A文章编号：1004?373X06?0037?04　　Abstract：Inallusiontothedriftproblemscausedbyocclusion，illuminationanddeformation，amotiontargettrackingalgorithmbasedon

3、superpixelandBoFisproposed.TheSLICmethodisadoptedtoperformsuperpixelsegmentationforobservationareaofmotiontarget.Thesuperpixeldictionarywithmid?levelvisualcuesandBoFdictionarywithlow?levelsuperpixelcharacteristicareconstructedbasedon为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我

4、们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。superpixeltorealizehybridmodelingformotiontargetappearancemodel.Particlefilteringframeworkandonlinedictionary

5、updateareintroducedtoadaptthevariationsoftargetsandbackground.Theexperimentalresultsshowthatthealgorithmcantackletheeffectsofsevereocclusion，non?rigiddeformation，complexbackgroundandotherinterferencefactors，andhasgoodstabilityandrobustness.　　Keywords：targettrack

6、ing；appearancemodel；mid?levelvisualcue；superpixel；BoF；particlefilteringframework　　0引言　　作为机器视觉领域的研究热点，运动目标跟踪融合图像处理、人工智能、模式识别等众多不同领域的相关基础知识，已经被广泛应用于智能交通、工业机器人、医疗诊断等领域。Wu等人总结了近年来众多学者提出的31种有效跟踪算法[1]，用于解决常见的11种干扰问题，例如光照变换、非刚性变换、目标遮挡等。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把

7、资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　根据算法中对运动目标表观模型相似度的判别方式，运动目标跟踪算法可以分为生成式算法和判别式算法两大类。其中，生成式算法是根据运动目标的全局特征在后续的场景中搜索最相似的状态作为跟踪结果。当运动目标受干扰因素影响发生较为剧烈的

8、特征变化时，算法会产生较大的漂移问题。经典的生成式算法有VTD[2]，L1T[3]等。Bao等人改�M了L1T方法，使用L1APG方法加速求解稀疏系数[4]，提高了跟踪的效率和精度。Cheng等人提出粒子滤波框架下目标状态的多个片段和SIFT特征点匹配相结合的算法[5]，较好地应对了遮挡、光照、尺度等复杂场景的运动变化。　　判别式