结合特征置信度的背景感知相关滤波跟踪算法

基于相关滤波的跟踪算法表现突出,然而在复杂跟踪环境下跟踪器很容易发生预测错误而导致跟踪失败。针对这一问题,提出一种结合特征置信度的背景感知跟踪算法。首先,采用较大的样本采集区域捕捉背景信息对滤波器训练,利用二次项替换及交替方向乘子法对模型进行快速求解。在颜色特征、方向梯度直方图特征以及灰度特征等多特征融合的基础上,根据目标响应大小对每个特征通道动态计算特征置信度,通过特征置信度加权来训练新的滤波器。为提高滤波器鲁棒性,结合APCE和特征置信度对滤波器进行高置信度更新。所设计的算法在OTB100数据集上与多个优秀相关滤波算法进行对比,实验结果显示,该算法在多种复杂场景下均具有较好的准确性和实时性。

视频中的人体检测算法

本文介绍了一种基于滤波器的相关边缘幅度图像的人体检测算法。关键是训练滤波器所使用的技术:平均合成的精确滤波器(ASEF)。算法对图像进行大小归一化和预处理,并使用ASEF滤波器能产生良好的目标与背景分离,最终实现了对于稀疏人群实现94.5%的检出率。