基于视觉显著性的Wang-Landau蒙特卡罗采样突变目标跟踪算法  

Abrupt Motion Tracking Via Saliency-based Wang-Landau Monte Carlo Sampling

作　　者：江晓莲[1] 李翠华[1] 刘锴[1] 刘薇[1] 

机构地区：[1]厦门大学信息科学与技术学院,福建厦门361005

出　　处：《厦门大学学报（自然科学版）》2013年第4期498-505,共8页Journal of Xiamen University：Natural Science

基　　金：国防基础科研计划项目;国防科技重点实验室基金项目;高等学校博士学科点专项科研基金项目(20110121110020)

摘　　要：突变运动目标的鲁棒跟踪是计算机视觉领域的一个具有挑战性的问题.提出了一种基于视觉显著性的Wang-Landau蒙特卡罗采样(WLMC)跟踪算法,用于解决复杂场景下目标发生运动突变的跟踪问题.该算法首先对全局场景进行分块获取子区域,然后使用WLMC方法进行目标状态采样来跟踪发生运动突变的目标.算法将视觉显著性作为先验引入跟踪框架,提出了结合显著性先验的接受函数,通过每个子区域的显著性计算来引导马尔可夫链的构造.和以往方法相比,该算法既保留了WLMC采样方法对全局状态空间的广度覆盖性,又以视觉显著性特性引导采样,避免了全局采样的盲目性,从而提高采样效率.实验结果表明,该算法对发生运动突变的目标进行跟踪,具有良好的鲁棒性.Robust tracking of abrupt motion is a challenge problem in computer vision. In this paper, we proposed a saliency-based Wang-Landau Monte Carlo （WLMC） tracking method for abrupt motion problem in real world scenarios. Firstly, the spatial space is divided into disioint sub-regions. Secondly,a sub-region is selected randomly by the WLMC sampling method. Visual saliency as prior is introduced into tracking framework where saliency of each sub-region is integrated into Markov Chain Monte Carlo acceptance mechanism to guide effective states sampling. Therefore the method can avoid overall sampling and improve sampling effectiveness. Experimental results demonstrate that our approach samples the states of target efficiently in whole state space and outperforms sev- eral state-of the-arts algorithm.

关 键 词：突变运动跟踪 视觉显著性 Wang-Landau蒙特卡罗采样(WLMC) 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]