基于相关滤波的改进Staple人脸跟踪算法

在基于相关滤波的目标跟踪算法Staple的研究基础上,针对相关滤波在处理目标人脸消失、遮挡、脱离镜头时跟踪框漂移问题,本文提出一种自适应置信度机制的人脸跟踪算法.先通过人脸检测确定首帧人脸位置,再对相应位置的人脸的HOG特征与颜色特征进行提取,并预留两者特征,利用视频首帧提取的特征进行跟踪置信度判断,及时对融合特征进行更新.设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸跟踪算法.实验表明,本文改进较前人算法有较大的提升.

自适应跟踪与多特征融合的目标跟踪算法

Staple算法采用固定权重与学习率的方式,导致其在物体模糊等场景下跟踪精度低。为此,提出一种自适应跟踪与多特征融合的目标跟踪算法(adp-Staple)。特征融合与跟踪过程中引入两种不同置信因子提升跟踪精度,特征提取过程引入主成分分析降维技术提升跟踪速度。在OTB-50与OTB-100数据集上进行对比实验,其结果表明,adp-Staple算法较传统Staple算法有更好的跟踪效果,在运动模糊等场景中有更强的鲁棒性。

一种基于AR的配电柜辅助检修跟踪注册方法

针对装备体型较大、结构较为复杂,当发生遮挡时跟踪注册出现模型漂移、注册效率低的问题,提出一种基于特征互补算法和卡尔曼滤波融合的跟踪注册方法。首先,使用基于空间可靠性的二进制掩码增强模板像素级融合跟踪算法(sum of template and pixel-wise learners,Staple)的颜色特征中的目标信息,从而提高算法在复杂场景中的跟踪精度;其次,当目标跟踪失败时,在重新检测前使用卡尔曼滤波器预测当前帧中目标的位置;接着,提出一种改进的ORB(oriented FAST and rotated BRIEF)算法,该算法采用Hessian矩阵和灰度质心法给出特征点的尺度和方向信息,并在此基础上,采用汉明距离对特征点进行匹配,并采用渐进式采样一致性算法进一步优化匹配结果;最后,对经过优化的特征点求解位姿矩阵,对其叠加虚拟信息以便增强真实世界特征。仿真实验结果表明:改进的Staple跟踪算法相比原始算法在目标跟踪的精确度上提高了5.6%,运算速度达到72.2帧/s。此外,所提算法在配电柜上的跟踪注册结果,进一步证实了该算法在实际场景中的有效性。

非连续轨迹下的公路车辆智能跟踪技术研究

针对运动车辆轨迹跟踪控制中的遮挡问题,研究创新地提出以SVM分类检测器优化STAPLE跟踪算法,以保证在目标退出遮挡时可以重新搜索并定位目标;同时对颜色特征直方图、HOG算法进行了改进,以提高算法特征提取效率;最后选择VOT2016国际标准序列集对优化后的STAPLE跟踪算法进行验证;研究结果显示,改进STAPLE算法能在目标退出遮挡后更为快速地重新捕捉目标位置;改进算法对目标中心的跟踪精度达到了0.81,对目标框的跟踪精度达到了0.89;在目标进入遮挡状态时,改进算法的跟踪精度最高;这次研究提出的STAPLE优化算法表现出较好的跟踪效果,其面对长时遮挡的跟踪能力具有较高的应用价值。