像素点特征加权的尺度自适应跟踪算法

罗会兰; 杜芳芳; 孔繁胜

doi:10.11959/j.issn.1000-436x.2015259

您当前的位置：

首页 >

文章列表页 >

像素点特征加权的尺度自适应跟踪算法

学术论文 | 更新时间：2024-06-05

- 像素点特征加权的尺度自适应跟踪算法
- Pixel feature-weighted scale-adaptive object tracking algorithm
- 通信学报 2015年36卷第10期页码：200-210
- 作者机构：
  
  1. 江西理工大学信息工程学院，江西赣州 341000
  2. 浙江大学计算机科学技术学院，浙江杭州 310027
- 作者简介：
  
  [ "罗会兰（1974-），女，江西上高人，博士后，江西理工大学教授、硕士生导师，主要研究方向为机器学习、模式识别。" ]
  [ "杜芳芳（1988-），女，河南武陟人，江西理工大学硕士生，主要研究方向为模式识别。" ]
  [ "孔繁胜（1946-），男，浙江宁波人，浙江大学教授、博士生导师，主要研究方向为人工智能与知识发现。" ]
- 基金信息：
  
  国家自然科学基金资助项目(61105042);国家自然科学基金资助项目(61462035);江西省教育厅科技基金资助项目(GJJ13421)
- DOI：10.11959/j.issn.1000-436x.2015259
  中图分类号： TP391
- 网络出版日期：2015-10，
  
  纸质出版日期：2015-10-25
- 稿件说明：
移动端阅览
罗会兰, 杜芳芳, 孔繁胜. 像素点特征加权的尺度自适应跟踪算法[J]. 通信学报, 2015,36(10):200-210.

Hui-lan LUO, Fang-fang DU, Fan-sheng KONG. Pixel feature-weighted scale-adaptive object tracking algorithm[J]. Journal on communications, 2015, 36(10): 200-210.
罗会兰, 杜芳芳, 孔繁胜. 像素点特征加权的尺度自适应跟踪算法[J]. 通信学报, 2015,36(10):200-210. DOI： 10.11959/j.issn.1000-436x.2015259.

Hui-lan LUO, Fang-fang DU, Fan-sheng KONG. Pixel feature-weighted scale-adaptive object tracking algorithm[J]. Journal on communications, 2015, 36(10): 200-210. DOI： 10.11959/j.issn.1000-436x.2015259.

摘要

针对目标运动过程中的姿态变化、旋转、干扰以及缩放等情况，提出了结合像素点特征加权的尺度自适应跟踪算法。首先利用目标区域中每个像素点的颜色特征和位置特征，建立目标模型；其次用目标的平均权值图估算尺度变化系数，以实现目标尺度的自适应；最后构建一个更新模型，对跟踪过程中的目标模型和背景模型进行更新。实验表明，提出的算法充分利用目标区域内各像素点间的差异，可以做到快速、有效的跟踪，且具有较强的顽健性。

Abstract

An effective object tracking method using weighted pixel features was proposed to deal with all kinds of complicated tracking situations

such as target movement

rotation

background interference and scaling and so on.First

the color feature and location information of the pixels in the target area were used to build the object model.Then the average weight image was used to estimate the scale variation coefficient.The aim was to adapt to the scale changes of the target.Finally

an update model was proposed

which was able to renew the object model and background model.The experimental results show that the proposed algorithm could make full use of the differences between pixels in the target area

so it can track more quickly and more effectively with strong robustness.

关键词

Keywords

references

ZHANG K , SONG H . Real-time visual tracking via online weighted multiple instance learning [J ] . Pattern Recognition , 2013 , 46 ( 1 ): 397 - 411 .

ZHANG K , ZHANG L , YANG M H . Real-time compressive tracking [A ] . Computer Vision–ECCV 2012 [C ] . Springer Berlin Heidelberg , 2012 . 864 - 877 .

ZHANG K , ZHANG L , YANG M H . Real-time object tracking via online discriminative feature selection [J ] . IEEE Transactions on Image Processing , 2013 , 22 : 4664 - 4677 .

COMANICIU D , RAMESH V , MEER P . Real-time tracking of non-rigid objects using mean shift [A ] . Proc of IEEE Conference on Computer Vision and Pattern Recognition [C ] . 2000 . 142 - 149 .

COMANICIU D , RAMESH V , MEER P . Kernel-based object tracking [J ] . IEEE Transactions on Pattern Analysis and Machine Intelligence , 2003 , 25 ( 5 ): 564 - 577 .

NING J , ZHANG L , ZHANG D , et al . Robust mean-shift tracking with corrected background-weighted histogram [J ] . IET Computer Vision , 2012 , 6 ( 1 ): 62 - 69 .

NING J , ZHANG L , ZHANG D , et al . Scale and orientation adaptive mean shift tracking [J ] . Computer Vision,IET , 2012 , 6 ( 1 ): 52 - 61 .

ZHANG K , ZHANG L , YANG M H , et al . Fast tracking via spatio-temporal context learning [J ] . arXiv preprint arXiv:1311.1939 , 2013 .

赵凌 , 冯镔 , 邱锦波 . 基于自适应分块外观模型的视觉跟踪 [J ] . 通信学报 , 2011 , 32 ( 10 ): 166 - 173 .

ZHAO L , FENG B , QIU J B . Fragment-based visual tracking with adaptive appearance model [J ] . Journal on Communications , 2011 , 32 ( 10 ): 166 - 173 .

罩光成 , 尹浩 , 陈强 , 等 . 面向价值的战场信息处理与分发优化算法 [J ] . 通信学报 , 2011 , 32 ( 3 ): 60 - 68 .

QIN G C , YIN H , CHEN Q , et al . Value-oriented optimal algorithm for battlefield information processing and disseminating [J ] . Journal on Communications , 2011 , 32 ( 3 ): 60 - 68 .

CEHOVIN L , KRISTAN M , LEONARDIS A . An adaptive coupled-layer visual model for robust visual tracking [A ] . Computer Vision(ICCV),2011 International Conference on [C ] . 2011 . 1363 - 1370 .

SANTNEr J , LEISTNER C , SAFFARI A , et al . Prost:parallel robust online simple tracking [A ] . 2010 IEEE Conference on Computer Vision and Pattern Recognition(CVPR) [C ] . 2010 . 723 - 730 .

KWON J , LEE K M . Visual tracking decomposition [A ] . 2010 IEEE Conference on Computer Vision and Pattern Recognition(CVPR) [C ] . 2010 . 1269 - 1276 .

KALAL Z , MIKOLAJCZYK K , MATAS J . Tracking learning detection [J ] . IEEE Transactions on Pattern Analysis and Machine Intelligence , 2012 , 34 ( 7 ): 1409 - 1422 .

WANG S , LU H , YANG F , et al . Superpixel tracking [A ] . 2011 IEEE International Conference on Computer Vision(ICCV) [C ] . 2011 . 1323 - 1330 .

GODEC M , ROTH P M , BISCHOF H . Hough-based tracking of non-rigid objects [J ] . Computer Vision and Image Understanding , 2013 , 117 ( 10 ): 1245 - 1256 .

浏览量

703

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于空间感知的多级损失目标跟踪对抗攻击方法

在线目标分类及自适应模板更新的孪生网络跟踪算法

融合遮挡感知的在线Boosting跟踪算法