基于候选区域检测的核相关目标跟踪算法

近年来,核相关滤波算法在目标跟踪领域应用广泛,表现出了非常优异的性能,但是核相关滤波类算法本质上属于模板匹配算法,并且缺乏跟踪失败恢复机制,在快速运动和快速形变情况下跟踪效果较差。针对以上问题,本文提出一种结合了核相关滤波跟踪算法和目标候选区域检测的跟踪算法,来改善核相关滤波跟踪算法的性能。算法主要设计了一种跟踪失败恢复机制,通过比较目标响应强度与经验阈值的大小,判断跟踪目标是否跟丢,当目标跟踪失败时,采用候选区域检测算法,在目标周围区域提取不同的检测图像块,确定目标在当前帧的最佳位置;然后,使用核相关滤波算法得到目标的精确位置,继续跟踪。此外,算法在跟踪模块中加入了颜色特征与梯度特征的自适应融合,进一步增强了算法的整体跟踪性能。实验结果证明,所提出算法在精确度和成功率上都表现出高效的性能,并且在快速运动和快速形变情况下跟踪性能要优于其余算法。

基于视觉显著性的海面船只候选区域检测方法

海面船只检测技术具有重要的民用和军用价值,针对复杂海面场景下船只检测精度低的问题,提出了一种基于视觉显著性的遥感图像海面船只候选区域检测方法。为检测到所有船只的候选区域,该方法首先采用Scharr边缘检测算子提取显著目标的边缘轮廓特征,然后基于边缘检测结果运用FT显著性模型得到最终的候选区域检测结果。在公开遥感数据集上的仿真实验结果表明,该方法在多种复杂检测场景下的船只候选区域检测任务中取得了较好的检测效果,实现了对船只候选区域的快速提取。

基于分级判断的行人检测

传统的目标检测方法需要对大量候选窗(区域)做判断,需要较大的计算量。本文根据人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减少复杂特征和分类器需要判断的候选窗数量,进而减少整个检测算法的计算量。算法首先对待检测图像提取NG(norm of gradients)特征,通过线性支持向量机(SVM)判断得到行人的候选区域;然后对候选区域提取简化梯度方向直方图(HOG,histograms of oriented gradients)特征,采用线性SVM对候选区域进一步的过滤;最后对经过过滤筛选得到的区域提取多分辨率HOG特征,使用可变形部件模型(DPM,deformation part model)对候选区域进行检测定位行人的位置。在INRIA数据集上的实验结果表明,本文方法在保证检测精度的情况下,虽然相比于原始DPM算法有少数的行人漏检,但是本文方法的检测结果中行人误检数目远少于原始DPM算法,检测速度也优于原始DPM算法。