基于字典学习改进的时空上下文算法 |
| |
作者姓名: | 张尧 才华 曹露 王冰雪 陈广秋 |
| |
作者单位: | 长春理工大学电子信息工程学院,长春,130022;长春理工大学电子信息工程学院,长春130022;长春中国光学科学技术馆,长春130117 |
| |
基金项目: | 国家自然科学基金;吉林省科技发展计划 |
| |
摘 要: | 针对强遮挡导致的跟踪目标失效问题, 提出一种基于字典学习改进的时空上下文算法. 先在目标和上下文区域构建前景字典和上下文字典, 再利用稀疏解的特性, 给提取目标特征更高的权重, 并参与模板的更新, 构造新的条件概率. 实验结果表明, 在出现严重遮挡的数据集中, 时空上下文算法跟踪成功率为19.5%, 改进算法成功率达94.5%, 改进算法能在出现强遮挡情况下有效对抗遮挡问题, 稳定跟踪.
|
关 键 词: | 目标跟踪 稀疏解 时空上下文算法 模板更新 |
收稿时间: | 2019-05-09 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
|
点击此处可从《吉林大学学报(理学版)》下载全文 |
|