|
|
1.
基于尺度不变特征变换的Mean-Shift目标跟踪
杨心力 杨恢先 曾金芳 于洪
计算机应用
2009, 29 (10):
2678-2680.
均值漂移（Mean-Shift）目标跟踪算法由于具有快速模板匹配和无参数密度估计等特点，但也存在其固有的缺陷。为了提高该算法的鲁棒性,把目标分成多个区域，对每个区域利用Mean-Shift进行跟踪，迭代次数大于8的放弃迭代。然后利用尺度不变特征变换(SIFT)剔除那些匹配的关键点数目少的子区域。最后，利用匹配关键点数目多的区域得到目标的位置。实验结果表明该方法在目标受遮挡、尺度变化、旋转、环境场景等变化等具有很强的鲁棒性。
相关文章 |
多维度评价
|
|
