王宇霞
- 作品数：3 被引量：27H指数：3
- 供职机构：北京理工大学更多>>
- 发文基金：国家自然科学基金北京市教育委员会共建项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于自重构粒子滤波算法的目标跟踪被引量：18
- 2016年
- 该文提出了一种对粒子滤波跟踪器进行分裂和合并的自重构算法.该算法能够通过分裂跟踪器以应对复杂多变的跟踪环境,同时,合并过程能够从多个跟踪器中选出最优跟踪器,合并冗余的跟踪器以达到减少计算量的效果.通过使用分裂和合并,能够在使用较少粒子的情况下达到很好的跟踪效果,在一定程度上解决了粒子滤波跟踪中计算量大的问题.分裂出来的多个跟踪器能够同时从多个位置多个方向跟踪目标,降低了复杂环境下目标跟踪丢失的概率,避免了粒子滤波中跟踪丢失时需重新选定目标的问题.通过和其他算法对比,文中提出的算法在跟踪准确性和跟踪效率两个方面表现优秀.
- 王宇霞赵清杰蔡艺明王博
- 关键词：目标跟踪粒子滤波计算机视觉
- 基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法被引量：4
- 2016年
- 研究复杂背景下的物体跟踪方法.提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法.算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态.所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率.仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.
- 许伟村赵清杰王宇霞赵留军
- 关键词：目标跟踪粒子滤波多模态
- 基于FREAK和P3CA的鲁棒目标跟踪被引量：6
- 2015年
- 在粒子滤波框架下,提出了基于快速视网膜特征点(Fast Retina Keypoint,FREAK)和主成分-典型相关分析(Principal Component-Canonical Correlation Analysis,P3CA)的目标跟踪算法.该文提出的基于FREAK的多模态运动模型提高了目标位置预测准确性,缩小了目标搜索空间.基于P3CA的外观模型利用图像子区域间的典型相关性衡量候选目标的优劣,解决了基于全局信息外观模型对遮挡敏感的问题;利用主成分分析在数据降维方面的优势,解决了典型相关分析用于跟踪存在的小样本问题,降低了计算开销.同时,P3CA在线更新算法使跟踪器可以更好地应对跟踪过程中目标外观变化.通过在多个具有挑战性的视频上与多种优秀算法对比实验表明,该文的方法可以很好地应对光照变化、遮挡、旋转以及复杂背景等问题.
- 王宇霞赵清杰赵留军
- 关键词：目标跟踪主成分分析
