格式:pdf
大小:627KB
頁數(shù): 5頁
針對目標(biāo)跟蹤過程中發(fā)生遮擋時跟蹤出現(xiàn)偏差的情況,在傳統(tǒng)MeanShift跟蹤算法的基礎(chǔ)上引入極限學(xué)習(xí)機(jī)(extreme learning machine,ELM),提出了基于ELM與Mean Shift的目標(biāo)跟蹤算法。該算法根據(jù)過去3個時刻的目標(biāo)位置信息。利用ELM預(yù)測出目標(biāo)當(dāng)前可能位置,代替目標(biāo)前一時刻位置作為Mean Shift迭代起始點(diǎn),并在鄰域范圍內(nèi)進(jìn)行迭代,得到目標(biāo)的真實位置。實驗結(jié)果表明,與現(xiàn)有的改進(jìn)算法相比,新算法減少了迭代次數(shù)和運(yùn)算時間,同時在遮擋情況下能夠準(zhǔn)確定位目標(biāo)位置并進(jìn)行跟蹤,提高了跟蹤系統(tǒng)的實時性和魯棒性。