基于HOG特征及稀疏外观模型的目标跟踪

提出一种基于HOG特征结合稀疏外观模型(HOG-SPAM)的目标跟踪算法。提取目标模版和候选目标的HOG特征,HOG特征对图像的几何形变、光照以及阴影变化具有较强的鲁棒性;使用提取的HOG特征构建目标的稀疏外观模型,稀疏外观模型对目标外观变化具有鲁棒性,采用对齐汇聚方法度量候选目标与目标之间的相似性。在多个基准图像序列中,与已有流行方法相比,HOG-SPAM算法在目标外观变化和光照变化情况下有较好的鲁棒性,同时在复杂背景情况下也具有一定鲁棒性。

利用黑洞原理改进稀疏外观模型跟踪算法

为了解决跟踪漂移问题,提出了一种利用黑洞原理改进的稀疏外观模型目标跟踪算法,用来提高目标跟踪的鲁棒性。利用黑洞原理从目标模板中搜索聚类中心来降低目标模板数量。通过学习分类器用于构造目标特征;用黑洞原理获取模板字典表示目标;采用高斯分布运动模型获取目标样本,在贝叶斯框架下根据观测模型获取最优目标位置实现跟踪。不同视频序列被用于改进的稀疏外观模型跟踪算法和其他先进目标跟踪算法进行仿真实验。实验结果表明,实现了目标跟踪的目的,有效地降低了目标局部遮挡问题的影响,提高了目标跟踪精度。