咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >融合运动信息和跟踪评价的高效卷积算子 收藏

融合运动信息和跟踪评价的高效卷积算子

Efficient convolution operators integrating motion information and tracking evaluation

作     者:张迅 李建胜 欧阳文 陈润泽 汲振 郑凯 ZHANG Xun;LI Jian-sheng;OUYANG Wen;CHEN Run-ze;JI Zhen;ZHENG Kai

作者机构:战略支援部队信息工程大学地理空间信息学院河南郑州450001 73159部队福建泉州362110 

出 版 物:《浙江大学学报(工学版)》 (Journal of Zhejiang University:Engineering Science)

年 卷 期:2022年第56卷第6期

页      面:1135-1143,1167页

核心收录:

学科分类:08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

主  题:视觉目标跟踪 高效卷积算子(ECO) 跟踪评价 高置信度指标 卡尔曼滤波器 

摘      要:针对基于方向梯度直方图与颜色命名的高效卷积算子(ECO-HC)算法缺少跟踪质量评价和滤波模板更新监督机制的问题,提出融合运动信息和跟踪评价的高效卷积算子.将卡尔曼滤波器加入ECO-HC跟踪定位框架对目标执行联合跟踪,设计高置信度判别指标评价ECO-HC对每帧图像的跟踪效果,使用原始跟踪结果和卡尔曼滤波预测值的加权融合值,修正不满足判别指标的跟踪结果.在滤波模板隔帧更新策略的基础上,加入当前帧跟踪结果质量评价信息,当2个条件同时满足时执行模板更新.依托公开数据集OTB-2015评估算法性能,结果显示改进算法整体跟踪精确度、成功率和跟踪速率均优于原算法,在运动模糊、低分辨率、离开视野场景中的精确度分别提高3.0%、3.5%和2.8%,成功率分别提高3.8%、2.1%和4.0%.改进算法在保证实时性的同时,有效提升了复杂场景下的跟踪效果.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分