华南理工大学学报(自然科学版) ›› 2012, Vol. 40 ›› Issue (8): 63-68,75.
邢晓芬 裘索 郭锴凌 徐向民
Xing Xiao-fen Qiu Suo Guo Kai-ling Xu Xiang-min
摘要: 现有的在线跟踪算法在应对目标复杂形变时易出现跟踪偏差. 文中通过寻找鲁棒的特征去刻画目标外观来解决这一问题,即模拟人眼视皮层腹侧通路感知机制,引入具有位置尺度不变性、复杂形状选择特性的C2 特征,建立一个基于认知碎片集进行C2 特征识别的在线目标跟踪模型,并根据认知碎片在目标识别中所起的作用对其重要性进行评估,依据评估结果实现认知碎片的在线淘汰与更新,同时引入在线目标/背景分类器,对新加入认知碎片记忆池的碎片进行筛选,解决了跟踪到的目标区域中的背景部分参与模型更新可能造成的误差累积问题. 仿真实验结果表明: 该算法在应对目标复杂形变和严重遮挡时,具有一定的鲁棒性与有效性.
中图分类号: