融合多特征的加权分布跟踪-模式识别与人工智能.PDF

第29 卷摇 第2 期 模式识别与人工智能 Vol.29摇 No.2 2016年2月 PR AI Feb.摇 2016 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 融融合多特征的加权分布跟踪摇 * 1 1 2 罗会兰摇 摇 单顺勇摇 摇 孔繁胜 1(江西理工大学 信息工程学院摇 赣州341000) 2(浙江大学 计算机科学与技术学院摇 杭州310027) 摘摇 要摇 单一特征很难做到长时间的有效跟踪,使用直方图描述特征简单方便,但丢失特征的空间结构信息,而分 布域描述算子可体现特征的空间信息.基于各自特点,文中提出融合灰度值特征、纹理特征和边缘特征的目标跟踪 算法.通过分布域描述子联合表示3种特征,并且对分布域特征密集的分布层乘以相应权值,构建一种高效的目标 模型.采用自适应目标模型更新方式更新目标模型,适应背景和光照等的变化.在常用视频序列中的对比实验表 明,文中算法可应对目标的形变、旋转、光照变化及遮挡等各种复杂情况,跟踪效果具有鲁棒性. 关键词摇 跟踪,分布域描述子,多特征融合,模型匹配 中图法分类号摇 TP391.4 DOI摇 10.16451/ ki.issn1003鄄6059.201602005 引用格式摇 罗会兰,单顺勇,孔繁胜.融合多特征的加权分布跟踪.模式识别与人工智能,2016,29(2):131-142. Object Tracking Model Based on Fusing Multiple Weighted Distribution Field Features 1 1 2 LUO Huilan ,SHAN Shunyong ,KONG Fansheng 1(School of Information Engineering,Jiangxi University of Science and Technology,Ganzhou341000) 2(College of Computer Science and Technology,Zhejiang University,Han