网络视频监控中运动目标跟踪方法改进

韩光星; 李崇荣

doi:10.3969/j.issn.1000-436x.2014.z1.031

您当前的位置：

首页 >

文章列表页 >

网络视频监控中运动目标跟踪方法改进

数字化校园及其应用 | 更新时间：2024-06-05

- 网络视频监控中运动目标跟踪方法改进
- Improvement on moving object tracking method for network video surveillance
- 通信学报 2014年35卷第Z1期页码：160-164
- 作者机构：
  
  清华大学网络科学与网络空间研究院，北京 100084
- 作者简介：
  
  [ "韩光星（1993-），男，河北邢台人，清华大学博士生，主要研究方向为多媒体技术、视频处理等。" ]
  [ "李崇荣（1954-），女，广西合浦人，清华大学网络科学与网络空间研究院副院长，研究员，主要研究方向为互联网体系结构、下一代互联网、实时高清视频等。" ]
- 基金信息：
- DOI：10.3969/j.issn.1000-436x.2014.z1.031
  中图分类号： TP391.41
- 网络出版日期：2014-10，
  
  纸质出版日期：2014-10-25
- 稿件说明：
移动端阅览
韩光星, 李崇荣. 网络视频监控中运动目标跟踪方法改进[J]. 通信学报, 2014,35(Z1):160-164.

Guang-xing HAN, Chong-rong LI. Improvement on moving object tracking method for network video surveillance[J]. Journal on communications, 2014, 35(Z1): 160-164.
韩光星, 李崇荣. 网络视频监控中运动目标跟踪方法改进[J]. 通信学报, 2014,35(Z1):160-164. DOI： 10.3969/j.issn.1000-436x.2014.z1.031.

Guang-xing HAN, Chong-rong LI. Improvement on moving object tracking method for network video surveillance[J]. Journal on communications, 2014, 35(Z1): 160-164. DOI： 10.3969/j.issn.1000-436x.2014.z1.031.

摘要

摘要：针对传统的基于Kalman滤波的MeanShift跟踪算法目标运动速度突然改变时跟踪丢失的问题，在Kalman滤波器中引入加速度项使跟踪保持稳定；为了提高Camshift跟踪算法的实时性，使用简化的Camshift算法自适应调整跟踪窗口尺寸。实验结果表明2种改进分别提高了速度突变时跟踪准确性和目标跟踪的实时性，适合网络视频监控场景。

Abstract

To improve the performance of the traditional MeanShift algorithm based on Kalman filter

acceleration to solve the problem that the moving target changes the direction abruptly is proposed.Another algorithm using simplified Camshift algorithm to keep track of the blob size has low time complexity which meets the real time requirement of network video surveillance.

关键词

Keywords

references

赵春晖 , 潘泉 , 梁彦等 . 视频运动目标分析 [M ] . 北京 : 国防工业出版社 , 2011 . 1 - 109 .

ZHAO C H , PAN Q , LIANG Y . Video Imagery Moving Targets Analysis [M ] . Beijing : National Defence Industry PressPress , 2011 . 1 - 109 .

COMANICIU D , RAMESH V , MEER P . Real-time tracking of non-rigid objects using mean shift [A ] . 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 .

KALMAN R E . A new approach to linear filtering and prediction problems [J ] . Journal of Basic Engineering , 1960 , 82 ( 1 ): 35 - 45 .

PENG N , YANG J , LIU Z . Mean shift blob tracking with kernel histogram filtering and hypothesis testing [J ] . Pattern Recognition Letters , 2005 , 26 , 605 - 614 .

ZHAO J , QIAO W , MEN G Z . An approach based on mean shift and kalman filter for target tracking under occlusion [A ] . 2009 International Conference on Machine Learning and Cybernetics [C ] . 2009 , 4 : 2058 - 2062 .

ABHARI S Q , ERSHADI T Z . Target tracking based on mean shift and Kalman filter with kernel histogram filtering [J ] . Computer and Information Science , 2011 , 4 ( 2 ): 152 .

COLLINS R T . Mean-shift blob tracking through scale space [A ] . IEEE Computer Society Conference on Computer Vision and Pattern Recognition [C ] . IEEE , 2003 .II-234-40.

ALLEN J G , XU R Y D , JIN J S . Object tracking using camshift algorithm and multiple quantized feature spaces [A ] . Proceedings of the Pan-Sydney Area Workshop on Visual Information Processing [C ] . Australian Computer Society,Inc , 2004 . 3 - 7 .

BRADSKI G , KAEHLER A . Learning OpenCV:Computer Vision with the OpenCV Library [M ] . O'Reilly Media,Inc , 2008 .

韦迅 . 基于均值漂移的动态目标跟踪算法研究 [D ] . 哈尔滨:哈尔滨工程大学 , 2012 .

WEI X . The Study of Dynamic Target Tracking Algorithm Based on Mean Shift [D ] . Harbin:Harbin Engineering University , 2012 .

夏瑜 . 视觉跟踪新方法及其应用研究 [D ] . 江苏:江南大学 , 2013 .

XIA Y . Research on Novel Method of Visual Tracking and Its Applications [D ] . Jiangsu:Jiangnan University , 2013 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于分形理论的移动单基站定位参数估计算法