基于全局概率密度搜索的快速目标跟踪

作者：周斌; 王军政; 沈伟

来源：电子与信息学报, 2010, (11): 2680-2685.

• 目标跟踪
• 均值迁移
• 全局概率密度搜索
• Over-Relaxed优化 Object tracking
• Mean Shift(MS)
• Global kernel density seeking
• Over-Relaxed(OR)

为了解决均值迁移目标跟踪算法中跟踪窗口对局部概率密度模式敏感的问题,该文提出一种基于全局概率密度搜索的目标跟踪策略。根据目标尺度设定一组从大到小排列的带宽序列,并依次根据每个带宽进行均值迁移迭代收敛,利用大带宽的平滑作用避开局部概率模式的干扰;依靠小带宽进行精确定位,最终收敛到真实目标区域。为了提高均值迁移的收敛速度,引入了Over-Relaxed优化策略加速迭代过程。在边界优化算法的收敛条件约束下,根据采用Over-Relaxed策略前后相关系数的变化,自适应地调整学习率。实验结果表明全局概率密度搜索能够有效地跟踪快速运动的目标,并且当目标短暂丢失时也有一定的恢复能力;Over-Relaxe...

• 单位
  自动化学院; 北京理工大学; 复杂系统智能控制与决策国家重点实验室