基于光流与群体智能的双模目标跟踪方法
计算机视觉与模式识别
2021-08-03 v2 神经与进化计算
摘要
在计算机视觉中，目标跟踪是一个十分古老且复杂的问题。尽管已有若干现有目标跟踪算法，仍有若干挑战尚待解决。例如光照变化、噪声、遮挡、运动物体的突然启动与停止、阴影等，使得目标跟踪不仅在动态背景而且在静态背景下都成为复杂问题。本文提出一种基于光流与群体智能的双模目标跟踪方法。基于光流的 KLT（Kanade-Lucas-Tomasi）跟踪器从视频序列的首帧到末帧跟踪目标物体的主导点；而基于群体智能的 PSO（粒子群优化）跟踪器同时从同一视频序列的第二帧到末帧跟踪目标物体的边界信息。这种双跟踪功能使跟踪器针对上述问题的鲁棒性大大增强。我们方法的灵活性在于其可成功应用于可变背景与静态背景。我们在多个基准数据集上比较了所提双跟踪算法的性能，总体上获得了极具竞争力的结果，且在大多数情况下使用双跟踪算法取得了更优结果。我们还将其与一些现有的基于 PSO 的跟踪算法进行比较，并取得了更好的结果。
引用
@article{arxiv.1808.08186,
title = {Dual approach for object tracking based on optical flow and swarm intelligence},
author = {Rajesh Misra and Kumar S. Ray},
journal= {arXiv preprint arXiv:1808.08186},
year = {2021}
}