高斯混合模型结合加权似然的目标跟踪算法

摘要：

鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵,提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法.主要引入了自适应高斯混合模型来实时检测运动目标,然后空间加权似然来进行视频中的目标定位,引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题.通过VOT 2014 dataset对比实验结果表明提出的基于加权似然跟踪(Weighted Like-lihood Tracking,WLT)和改进高斯混合模型(Improved Gaussian Mixture Model,IGMM)的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的精度有较大提高.在应对多尺度、多角度变化的目标跟踪表现出了较大的优势.

关键词：改进高斯混合模型、分数阶导数学习率、目标跟踪算法、加权似然跟踪、期望值最大化

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：四川省应用基础研究计划2015JY0120;四川省高校科研创新团队项目15JD0027;内江师范学院科研项目15JC09

在线出版日期：2019-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：124-131