基于贝叶斯模型平均特征融合的鲁棒视频目标跟踪
计算机视觉与模式识别
2016-11-28 v3
摘要
本文关注视频流中感兴趣目标的跟踪问题。我们提出一种对遮挡、混淆颜色的出现、目标特征空间中的突变以及目标尺寸变化均具有鲁棒性的算法。该算法在贝叶斯建模框架下开发。状态空间模型通过建模跟踪系统的底层动力学来捕获帧图像序列中的时间相关性。提出贝叶斯模型平均（BMA）策略用于融合观测中的多线索信息。所提框架允许涉及任意数量的目标特征。每个特征代表一个待融合的信息源，并与一个观测模型相关联。状态推断通过采用粒子滤波方法执行。与相关方法相比，基于BMA的跟踪器被证明具有鲁棒性、表达性与可理解性。
引用
@article{arxiv.1604.00475,
title = {Robust video object tracking via Bayesian model averaging based feature fusion},
author = {Yi Dai and Bin Liu},
journal= {arXiv preprint arXiv:1604.00475},
year = {2016}
}