结合BRISK与区域预估的改进长时跟踪算法

摘要：

鉴于传统的跟踪学习检测(TLD)算法存在稳健性差、跟踪成功率低以及运算效率低等问题,提出一种结合二进制稳健不变可扩展关键点(BRISK)特征点与区域预估的TLD跟踪算法.在跟踪器中引入BRISK特征点,将其与传统的用于跟踪的普通像素点相结合,共同用于目标跟踪,由于BRISK特征点提取较快,从而使得跟踪器部分的总体运算时间降低;在检测器部分采用了卡尔曼滤波器与马尔可夫模型方向预测器相结合的方式,该方式使得最终送入到检测器的子图像块数量大幅缩减,且对相似目标的辨别能力增强,进而提升了检测器的速度和精度.实验结果表明,相比于传统TLD算法,所提TLD算法的跟踪精度提高约64.4％,运行速度提升约39.6％,并具有更好的稳健性.

关键词：机器视觉、目标跟踪、特征点、区域预估、方向预测

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：黔科合LH字”2014”7630号、国家国际科技合作专项2014DFA00670;黔科合外G字”2015”7002号

在线出版日期：2018-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：307-313