南京航空航天大学航天学院, 江苏 南京 210016
近年来, 基于相关滤波的目标跟踪算法因其具有很好的跟踪精度和明显的速度优势, 引起了研究人员的极大关注。提出一种基于自适应特征选择的多尺度相关滤波跟踪算法。首先, 提取三种互补特征, 通过相关滤波响应图评估各特征的跟踪性能, 自适应选择最优特征进行位置跟踪; 其次, 预设响应图阈值作为位置相关滤波模型更新的判断条件, 优化模型更新方式; 最后, 引入尺度相关滤波跟踪器, 进一步提高了算法的尺度适应性和跟踪精度。实验部分将该算法和近年来流行的相关滤波及非相关滤波类跟踪算法进行了对比, 结果表明, 该算法在精度上优于其他算法, 同时具有53.12 frame/s的实时跟踪速度。
机器视觉 目标跟踪 相关滤波 自适应特征选择 自适应尺度
首都师范大学三维信息获取与应用教育部重点实验室, 北京 100048
不同地形条件下，不同的特征组合、特征维数对点云的分类效率及分类结果有不同的影响。提出了一种机载LiDAR点云分类的自适应特征选择方法，该方法依据地形起伏情况对整体点云数据进行区域划分，自适应选择适宜该区域LiDAR点云分类的特征集合。为了验证这种特征选择方法的有效性，利用优选后的特征集合，分别采用随机森林和支持向量机算法进行分类实验验证，实验结果表明，在不同地形条件的区域里，适合LiDAR点云分类的特征集合不同。该方法可以有效地降低特征维数，缩短运算时间，且分类精度较高。
遥感 机载LiDAR 自适应特征选择 点云分类 随机森林 支持向量机 激光与光电子学进展
2016, 53(8): 082802
