公开(公告)号：CN108734723A

公开(公告)日：2018-11-02

申请号：CN201810466423.0

申请日：2018-05-11

Applicant: 江南大学

Inventor： 孔军 ,  王本璇 ,  蒋敏 ,  丁毅涛

IPC: G06T7/246

Abstract: 一种基于自适应权重联合学习的相关滤波目标跟踪方法，属于机器视觉领域。该方法将相关滤波模型与基于颜色直方图的颜色模型相结合，充分利用相关滤波模型的判别特性来有效区分目标和背景，同时通过颜色模型获取直方图分数来更好的应对遮挡、闭塞、变形和其他复杂的环境。为了充分利用这两个模型的优势，本发明提出置信度权重来自适应联合这两个模型。同时在训练相关滤波器时，充分利用背景信息构建空间正则化项，有效抑制背景信息的干扰，进一步提高了算法在跟踪过程中的鲁棒性。为使目标模型在跟踪过程中更好地应对目标尺度的不断变化，本发明构建了单独的快速尺度检测模型。

公开(公告)号：CN108734723B

公开(公告)日：2022-06-14

申请号：CN201810466423.0

申请日：2018-05-11

Applicant: 江南大学

Inventor： 孔军 ,  王本璇 ,  蒋敏 ,  丁毅涛

IPC: G06T7/246

Abstract: 一种基于自适应权重联合学习的相关滤波目标跟踪方法，属于机器视觉领域。该方法将相关滤波模型与基于颜色直方图的颜色模型相结合，充分利用相关滤波模型的判别特性来有效区分目标和背景，同时通过颜色模型获取直方图分数来更好的应对遮挡、闭塞、变形和其他复杂的环境。为了充分利用这两个模型的优势，本发明提出置信度权重来自适应联合这两个模型。同时在训练相关滤波器时，充分利用背景信息构建空间正则化项，有效抑制背景信息的干扰，进一步提高了算法在跟踪过程中的鲁棒性。为使目标模型在跟踪过程中更好地应对目标尺度的不断变化，本发明构建了单独的快速尺度检测模型。