科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于霍夫变换的方法难以在保持高检测精度的同时满足跟踪的实时性，其且难以适应初始训练样例十分有限的情况，为解决上述问题，提出一种基于霍夫旅的对象跟踪方法.该方法以随机旅作为基础检测结构，将对象的局部表观作为学习数据，在其每个叶节点中计算并保存霍夫空间中属于目标对象的投票概率，在运行时通过在线学习该检测器和对象模型，适应对象表观的变化.结合对TLD跟踪框架的改进，实现了无约束环境下长时间的可视跟踪.在Babenko视频序列集上的实验结果表明，提出的对象跟踪方法在普通PC上的平均运行速率为3帧/s，平均准确率为87.1%，总体上优于现有的跟踪方法.
- 出版日期2014
- 单位西南交通大学
