高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

带权分块压缩感知的预测目标跟踪算法

罗会兰 钟宝康 孔繁胜

罗会兰, 钟宝康, 孔繁胜. 带权分块压缩感知的预测目标跟踪算法[J]. 电子与信息学报, 2015, 37(5): 1160-1166. doi: 10.11999/JEIT140997
引用本文: 罗会兰, 钟宝康, 孔繁胜. 带权分块压缩感知的预测目标跟踪算法[J]. 电子与信息学报, 2015, 37(5): 1160-1166. doi: 10.11999/JEIT140997
Luo Hui-Lan, Zhong Bao-Kang, Kong Fan-Sheng. Tracking Using Weighted Block Compressed Sensing and Location Prediction[J]. Journal of Electronics & Information Technology, 2015, 37(5): 1160-1166. doi: 10.11999/JEIT140997
Citation: Luo Hui-Lan, Zhong Bao-Kang, Kong Fan-Sheng. Tracking Using Weighted Block Compressed Sensing and Location Prediction[J]. Journal of Electronics & Information Technology, 2015, 37(5): 1160-1166. doi: 10.11999/JEIT140997

带权分块压缩感知的预测目标跟踪算法

doi: 10.11999/JEIT140997
基金项目: 

国家973计划项目(2010CB327900),国家自然科学基金(61105042, 61462035)和江西省教育厅科技项目(GJJ13421)资助课题

Tracking Using Weighted Block Compressed Sensing and Location Prediction

  • 摘要: 针对矩形跟踪框在边缘处包含较多背景信息的问题,该文提出一种基于规范化梯度特征的带权分块压缩感知的目标特征提取方法。该方法将压缩感知测量矩阵转化为分块对角矩阵,且根据块的重要程度分配适当的权重,缩小测量矩阵规模,简化特征提取运算,弱化背景干扰。然后将提取的特征输入变先验概率的贝叶斯分类器,变先验概率的分类器充分利用已有的跟踪结果,从一定程度预测了目标的运动方向,减小候选目标的分类歧义性,使得每一帧的分类函数根据以往跟踪结果进行变化,提高了分类的准确度。实验在8个具有常见跟踪难度的序列中测试,并与目前较流行的4种目标跟踪算法在跟踪效果、成功率等方面进行比较,结果从多个角度表明,该文提出的目标跟踪算法具有较高的准确度和稳定性。
  • 加载中
计量
  • 文章访问数:  1283
  • HTML全文浏览量:  133
  • PDF下载量:  990
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-07-25
  • 修回日期:  2014-09-28
  • 刊出日期:  2015-05-19

目录

    /

    返回文章
    返回