基于深度信息的核相關性濾波跟蹤算法研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、視覺目標跟蹤是計算機視覺領域的重要研究課題。為了處理各種復雜的跟蹤場景,達到較好的跟蹤效果,現(xiàn)在越來越多的跟蹤算法將跟蹤與目標檢測相結(jié)合。而深度信息不僅可以有效處理目標的大面積遮擋問題,同時由于其在采集的過程中變得越來越簡單,使得其在視覺跟蹤領域中變得越發(fā)重要。如今大部分跟蹤算法多把深度信息作為輔助信息來判斷遮擋,并沒有充分利用深度信息的作用。近些年來,核相關性濾波判別式跟蹤算法(Kernelized Correlation Filte

2、rs,KCF)表現(xiàn)得尤為突出,然而當目標發(fā)生大面積遮擋和較為嚴重的目標形變等跟蹤場景時,該算法的性能卻大大降低了?;贙CF在此方面的不足提出了基于深度信息的核相關性濾波器跟蹤算法(Research Depth-information Based of Kernelized Correlation Filters Tracking Algorithm,DKCF)。
  分析了在加入深度信息后對跟蹤算法的影響。當前的跟蹤算法大部分是

3、在二維的圖像中提取特征信息,并不能表明目標在場景中的實際位置,缺乏目標的空間信息。通過引入深度信息,能準確的提取目標的相對位置,較好的區(qū)分目標和非目標。通過引入深度圖序列,利用當前幀的KCF最大響應點對應深度圖的相應位置,以此位置計算得到深度圖搜索區(qū)的置信圖,然后采用高斯采樣方法,計算每一個樣本點目標區(qū)域大小的概率和,選取概率和最大的點與當前幀的KCF最大響應點進行融合,得到當前幀最終的跟蹤目標坐標。通過不斷的更新目標區(qū)的深度值和KCF

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論