公开(公告)号：CN107341817A

公开(公告)日：2017-11-10

申请号：CN201710455281.3

申请日：2017-06-16

Applicant: 哈尔滨工业大学(威海)

Inventor： 康文静 ,  孙叔桥 ,  刘功亮

IPC: G06T7/246 ,  G06T7/277

CPC classification number: G06T7/246 ,  G06T7/277

Abstract: 本发明涉及视觉跟踪技术领域，具体的说是一种基于在线度量学习的自适应视觉跟踪算法，在视觉跟踪领域的实际应用场景中，待跟踪视频序列中可获得的目标先验知识通常很少，传统预定义式距离度量算法很难应对长程跟踪任务要求，本发明提出了一种结合距离度量学习的鲁棒在线视觉跟踪算法，其将跟踪视为前、背景的二分类问题，并随着视频推进不断更新分类器，还提出了一种新的模板更新算法，使跟踪过程更具鲁棒性，为提高算法的精度和效率，提出采用稠密的SIFT特征和随机主成分分析法在保证跟踪效果的同时降低了特征维度，一系列实验结果显示，所提算法与当下诸多流行算法相比具有一定竞争力。

公开(公告)号：CN107341817B

公开(公告)日：2019-05-21

申请号：CN201710455281.3

申请日：2017-06-16

Applicant: 哈尔滨工业大学(威海)

Inventor： 康文静 ,  孙叔桥 ,  刘功亮

IPC: G06T7/246 ,  G06T7/277

Abstract: 本发明涉及视觉跟踪技术领域，具体的说是一种基于在线度量学习的自适应视觉跟踪算法，在视觉跟踪领域的实际应用场景中，待跟踪视频序列中可获得的目标先验知识通常很少，传统预定义式距离度量算法很难应对长程跟踪任务要求，本发明提出了一种结合距离度量学习的鲁棒在线视觉跟踪算法，其将跟踪视为前、背景的二分类问题，并随着视频推进不断更新分类器，还提出了一种新的模板更新算法，使跟踪过程更具鲁棒性，为提高算法的精度和效率，提出采用稠密的SIFT特征和随机主成分分析法在保证跟踪效果的同时降低了特征维度，一系列实验结果显示，所提算法与当下诸多流行算法相比具有一定竞争力。