基于HSV颜色特征和贡献度重构的行人跟踪

在光照、背景变化、遮挡、噪声、快速运动等复杂环境下, 准确地实现行人跟踪一直是富有挑战性的任务。针对这些问题, 提出基于HSV颜色特征和贡献度重构的行人跟踪算法。在粒子滤波的框架内, 从HSV空间提取目标的混合颜色特征生成目标模板集, 依据不同区域对跟踪结果的影响对区域进行贡献度分配, 并将其引入到一个自适应的正则化模型中, 将具有最小重构误差的区域判定为待跟踪目标。为了增强算法的稳健性, 跟踪过程中对模板进行实时更新。在OTB 100个序列上进行测试, 本文算法得到跟踪结果的平均中心误差和跟踪成功率两项指标分别为0.6624 pixel和0.4153, 优于同类其他算法。实验结果表明, 该算