主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
彭宁嵩,杨杰,刘志,张风超.Mean-Shift跟踪算法中核函数窗宽的自动选取.软件学报,2005,16(9):1542-1550
Mean-Shift跟踪算法中核函数窗宽的自动选取
Automatic Selection of Kernel-Bandwidth for Mean-Shift Object Tracking
投稿时间:2004-05-02  修订日期:2004-10-09
DOI:
中文关键词:  Mean-Shift  目标跟踪  核窗宽选取  Bhattacharyya系数  仿射模型
英文关键词:Mean-Shift  object tracking  kernel-bandwidth selection  Bhattacharyya coefficient  affine model
基金项目:Supported bythe National Natural Science Foundation of China under Grant No.30170274(国家自然科学基金)
作者单位
彭宁嵩 上海交通大学,图像处理与模式识别研究所,上海,200030
河南科技大学,电子与信息学院,河南,洛阳,471039 
杨杰 上海交通大学,图像处理与模式识别研究所,上海,200030 
刘志 上海交通大学,图像处理与模式识别研究所,上海,200030 
张风超 上海交通大学,图像处理与模式识别研究所,上海,200030 
摘要点击次数: 6150
全文下载次数: 5912
中文摘要:
      传统核窗宽固定的Mean-Shift跟踪算法不能很好地对逐渐增大尺寸的目标进行有效的跟踪.在分析同一目标在不同尺度下核直方图基于Bhattacharyya系数相似性的基础上,发现并证明了在核窗宽固定的条件下,目标在其窗宽范围内进行缩放、平移运动并不影响Mean-Shift跟踪算法空间定位的准确性.在此基础上,提出了一种基于后向跟踪、形心配准的核窗宽自动选取算法.对尺度渐大的车辆进行的跟踪实验验证了该算法的有效性.
英文摘要:
      Classic Mean-Shift based tracking algorithm uses fixed kernel-bandwidth, which limits the performance when the object scale exceeds the size of the tracking window. Based on the analysis of similarity of object kernel-histogram in different scales, i.e. the Bhattacharyya coefficient, a theorem is found and proved i.e. the changes of object scale and position within the kernel will not impact localization accuracy of Mean-Shift based tracking algorithm. Using this theorem an automatic bandwidth selection method is proposed based on backward tracking and object centroid registration. The proposed method is applied to track vehicle changing in size with encouraging results.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利