10.3969/j.issn.1001-8360.2019.05.009
尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法
针对铁路异物侵限存在尺度上的外观变化,导致现有目标跟踪算法容易学习到过量背景或局部纹理信息,从而引发跟踪框漂移的问题,提出一种融合尺度估计的核相关滤波目标跟踪算法.利用视觉背景提取器ViBe对铁路沿线侵限异物进行检测,通过密集循环采样和尺度金字塔技术分别提取初始化跟踪框的FHOG特征,用来训练一个核相关位置滤波器和一个PCA降维的尺度滤波器,以实现尺度自适应的铁路侵限异物快速跟踪.实验结果表明:PSA-Kcf算法在跟踪精度上优于无尺度估计环节的生成类算法Mean Shift和原生核相关滤波算法Kcf,略高于尺度自适应的SA-Kcf和SAMF算法;在跟踪速度上明显快于Mean Shift、SA-Kcf和SAMF算法,能达到与Kcf算法相当的快速跟踪效果.
异物侵限、视觉背景提取器、密集循环采样、FHOG特征、核相关滤波、PCA降维
41
TP319;U215.8(计算技术、计算机技术)
国家自然科学基金51867009,51567008;江西省杰出青年人才资助计划20162BCB23045;江西省自然科学基金20171BAB206044;江西省重点研发计划20181BBE58010
2019-07-18（万方平台首次上网日期，不代表论文的发表时间）
共11页
71-81
