基于自适应分层结构的压缩分布场跟踪算法

王亚文; 陈鸿昶; 李邵梅; 高超

doi:10.3969/j.issn.0372-2112.2017.04.005

您当前的位置：

首页 >

文章列表页 >

基于自适应分层结构的压缩分布场跟踪算法

学术论文 | 更新时间：2025-07-16

- 基于自适应分层结构的压缩分布场跟踪算法
- Object Tracking by Compressive Distribution Fields with Adaptive Hierarchical Structure
- 电子学报 2017年45卷第4期页码：799-804
- 作者机构：
  
  国家数字交换系统工程技术研究中心,河南,郑州,450002
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61379151，No.61521003）;国家科技支撑计划 (No.2014BAH30B01）;河南省杰出青年基金 (No.144100510001）
- DOI：10.3969/j.issn.0372-2112.2017.04.005
  中图分类号： TP391.41
- 网络出版：2017-04-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
王亚文, 陈鸿昶, 李邵梅, 等. 基于自适应分层结构的压缩分布场跟踪算法[J]. 电子学报, 2017,45(4):799-804.

WANG Ya-wen, CHEN Hong-chang, LI Shao-mei, et al. Object Tracking by Compressive Distribution Fields with Adaptive Hierarchical Structure[J]. Acta Electronica Sinica, 2017, 45(4): 799-804.
王亚文, 陈鸿昶, 李邵梅, 等. 基于自适应分层结构的压缩分布场跟踪算法[J]. 电子学报, 2017,45(4):799-804. DOI： 10.3969/j.issn.0372-2112.2017.04.005.

WANG Ya-wen, CHEN Hong-chang, LI Shao-mei, et al. Object Tracking by Compressive Distribution Fields with Adaptive Hierarchical Structure[J]. Acta Electronica Sinica, 2017, 45(4): 799-804. DOI： 10.3969/j.issn.0372-2112.2017.04.005.

摘要

为了提高分布场跟踪算法的运算效率，增强其在复杂背景下的鲁棒性，提出基于自适应分层结构的压缩分布场跟踪算法.该方法充分考虑目标区域像素值分布情况，引入k-means算法对首帧标记的目标区域进行聚类分析，根据聚类结果自适应的产生分布场结构.针对分布场模型维数较高的缺点，融合压缩感知方法对分布场进行压缩，降低模型维数，提高算法效率.此外，改变原始分布场跟踪算法采用的局部搜索跟踪策略，利用随机抽样的方式来提高算法跟踪精度.实验结果表明，提出的算法与当前流行的跟踪算法相比，具有更好的表现.

Abstract

In order to improve the efficiency of tracking algorithm based on distribution fields and the robustness of the algorithm under complex background

tracking algorithm by compressive distribution fields with adaptive hierarchical structure is presented.Distribution of pixel values in target region is considered in this method

k-means algorithm is introduced to analyse the distribution of pixel values in the first frame

adaptive hierarchical structure of distribution fields is built according to the clustering results.For the problem that the dimension of distribution field model is high

compressive sensing is combined to compress distribution fields

which can reduce the model dimension and improve the efficiency of tracking algorithm.Furthermore

local search strategy in original distribution fields tracking algorithm is changed

random sampling is used to improve the tracking accuracy.Experimental results demonstrate that the proposed algorithm outperforms the state-of-the-art tracking algorithms.

关键词

Keywords

references

浏览量

360

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征自适应选取的视觉目标跟踪算法

基于深度压缩感知的联合信源信道编码方法研究

侵蚀聚类

3D稀疏卷积结构下融合空间点与体素关系建模的LiDAR点云跟踪方法

基于纵横比自适应的相关滤波跟踪算法