基于多特征融合的头部跟踪方法研究OA北大核心CSCDCSTPCD
Head tracking method based on multi-feature fusion
为有效解决头部跟踪鲁棒性较差的间题,利用头部的多种观测信息通过D-S证据理论进行融合跟踪.在粒子滤波的总体框架下,嵌入Mean-Shift算法产生更加逼近真实后验分布的粒子,同时采用颜色和人体头部椭圆轮廓的最大梯度距离测度(DMG)作为观测模型,有效避免了单一颜色特征在光照突变、姿态变化、距离较远以及背景相似情况下的跟踪稳定性较差的问题.实验表明该方法对于复杂条件下的人体头部跟踪问题具有较强的鲁棒性.
In order to effectively solve the poor performance of head tracking,this paper proposed a new method based fusing measurements of head by using D-S evidence theory. It used Mean-Shift algorithm to produce more effective particles that approached the real posterior distribution in the framework of particle filter. The proposed method used the color and distance to maximum gradient point ( DMG) features as the observation model,and efficiently avoided the unst…查看全部>>
曹洁;李伟
兰州理工大学计算机与通信学院,兰州730050兰州理工大学计算机与通信学院,兰州730050
计算机与自动化
头部跟踪多特征融合粒子滤波最大梯度距离测量
head tracking multi-feature fusion particle filter distance to maximum gradient point (DMC)
《计算机应用研究》 2011 (8)
3155-3158,4
甘肃省自然科学基金资助项目(10101RJZA046)甘肃省教育厅研究生导师基金资助项目(0914ZTB003)甘肃省财政厅资助项目(0914ZTB148)
评论