引入视觉显著性的多特征融合跟踪

发布时间：2018-04-29 13:03

本文选题：视觉显著性 + BRISK特征　；参考：《计算机科学与探索》2017年03期

【摘要】：针对大多数目标跟踪算法采用单一特征描述目标,在背景区域出现相似的干扰特征时跟踪精确度较低的问题,提出了一种引入视觉显著性的多特征融合的目标跟踪算法。首先,采用视觉显著性机制处理颜色直方图得到显著性特征,再使用混合特征策略融合显著性特征和BRISK(binary robust invariant scalable keypoints)特征,获取目标前景和背景模型;其次,运用双向光流检测和误差度量提取动态特征,并使用自适应搜索机制提取候选目标区域的静态特征,融合动态特征和静态特征;最后,根据匹配算法估算目标跟踪框的自适应尺度及中心,确定目标在当前帧图像中所处的位置。实验结果表明,该算法能够处理强烈光照变化、目标尺度变化、快速运动及部分遮挡等情况下的目标跟踪问题,并实时稳定地获得单目标跟踪结果。
[Abstract]:Aiming at the problem that most target tracking algorithms use a single feature to describe the target and the tracking accuracy is low when similar interference features appear in the background region, a multi-feature fusion algorithm with visual saliency is proposed. First, using visual saliency mechanism to process color histogram to obtain salient features, then using mixed feature strategy to fuse salient features and BRISK(binary robust invariant scalable keypoints) features to obtain target foreground and background model. Bidirectional optical flow detection and error measurement are used to extract dynamic features, and adaptive search mechanism is used to extract the static features of candidate target regions, fusion of dynamic features and static features. According to the matching algorithm, the adaptive scale and center of the target tracking frame are estimated, and the position of the target in the current frame image is determined. The experimental results show that the algorithm can deal with the problem of target tracking under the condition of strong illumination variation, target scale change, fast motion and partial occlusion, and can obtain the tracking results of single target in real time and stably.
【作者单位】：西安建筑科技大学信息与控制工程学院;西安建筑科技大学建筑学院;
【基金】：国家自然科学基金No.51209167 陕西省自然科学基金No.2013JM8022 西安建筑科技大学青年基金No.QN1423~~
【分类号】：TP391.41

【参考文献】

相关期刊论文前10条

1 许婉君;侯志强;余旺盛;张浪;;基于颜色和空间信息的多特征融合目标跟踪算法[J];应用光学;2015年05期

2 张铁;马琼雄;;人机交互中的人体目标跟踪算法[J];上海交通大学学报;2015年08期

3 谢昭;刘玉敏;张骏;段士雷;;时空运动显著性的目标跟踪[J];中国图象图形学报;2015年08期

4 张焕龙;胡士强;杨国胜;;基于外观模型学习的视频目标跟踪方法综述[J];计算机研究与发展;2015年01期

5 闫河;刘婕;杨德红;王朴;金炜;;基于特征融合的粒子滤波目标跟踪新方法[J];光电子.激光;2014年10期

6 黎万义;王鹏;乔红;;引入视觉注意机制的目标跟踪方法综述[J];自动化学报;2014年04期

7 张巧荣;冯新扬;;利用视觉显著性和粒子滤波的运动目标跟踪[J];中国图象图形学报;2013年05期

8 张勇;王新赛;李明明;刘雨;;鲁棒的车载红外视频电子稳像算法[J];强激光与粒子束;2013年04期

9 顾鑫;王海涛;汪凌峰;王颖;陈如冰;潘春洪;;基于不确定性度量的多特征融合跟踪[J];自动化学报;2011年05期

10 尹宏鹏;柴毅;匡金骏;阳小燕;;一种基于多特征自适应融合的运动目标跟踪算法[J];光电子.激光;2010年06期

【共引文献】

相关期刊论文前10条

1 佟威;和箫;卢英;;引入视觉显著性的多特征融合跟踪[J];计算机科学与探索;2017年03期

2 朱文青;刘艳;卞乐;张子龙;;基于生成式模型的目标跟踪方法综述[J];微处理机;2017年01期

3 胡正平;谢荣路;王蒙;孙哲;;基于视觉显著图的结构反稀疏在线目标跟踪[J];信号处理;2017年01期

4 田军委;牛秀娟;赵彦飞;;基于动态模板匹配的运动目标识别[J];机械与电子;2017年01期

5 管皓;薛向阳;安志勇;;在线单目标视频跟踪算法综述[J];小型微型计算机系统;2017年01期

6 姜道伟;袁亮;巨刚;;基于图像技术与粒子滤波融合新算法的机器人多目标跟踪[J];组合机床与自动化加工技术;2016年12期

7 刘雷;赵吉宾;隋春平;王阳;;自动串级萃取装置控制系统设计与实现[J];组合机床与自动化加工技术;2016年12期

8 曹东;付承毓;金钢;;基于机器学习的目标跟踪算法研究综述[J];计算机科学;2016年12期

9 王冰心;王孙安;于德弘;;基于选择性注意机制的果实簇识别与采摘顺序规划[J];农业机械学报;2016年11期

10 李伟;曹洁;李军;王进花;;考虑噪声扰动干扰的室内行人跟踪方法[J];四川大学学报(工程科学版);2016年06期

【二级参考文献】

相关期刊论文前10条

1 许婉君;侯志强;余旺盛;张浪;;背景加权的多特征融合目标跟踪算法[J];空军工程大学学报(自然科学版);2015年03期

2 李武;侯志强;魏国剑;余旺盛;;基于椭圆对数极坐标变换的尺度变化目标跟踪算法[J];应用光学;2014年01期

3 黎万义;王鹏;乔红;;引入视觉注意机制的目标跟踪方法综述[J];自动化学报;2014年04期

4 杨淑莹;刘婷婷;葛为民;王光彪;;移动机器人的动态目标实时检测与跟踪[J];光电子.激光;2013年11期

5 李良群;谢维信;;非均匀稀疏采样环境的改进高斯粒子滤波方法[J];信号处理;2013年10期

6 宋策;张葆;尹传历;王超;;基于粒子滤波的空-地目标跟踪算法[J];光电子.激光;2013年10期

7 周帆;江维;李树全;张玉宏;曾雪;吴跃;;基于粒子滤波的移动物体定位和追踪算法[J];软件学报;2013年09期

8 文志强;朱艳辉;彭召意;;粒子滤波目标跟踪中的有效粒子数控制方法[J];控制与决策;2013年09期

9 徐科;宋畅;;基于全局二值模式的特征提取方法及其应用[J];模式识别与人工智能;2013年09期

10 姚志均;;一种新的空间直方图相似性度量方法及其在目标跟踪中的应用[J];电子与信息学报;2013年07期

【相似文献】

相关期刊论文前10条

1 初红霞;王科俊;王希凤;郭庆昌;韩晶;;多特征融合的退火粒子滤波目标跟踪[J];计算机工程与应用;2011年06期

2 顾鑫;王海涛;汪凌峰;王颖;陈如冰;潘春洪;;基于不确定性度量的多特征融合跟踪[J];自动化学报;2011年05期

3 姚红革;杜亚勤;;基于多模式多特征融合粒子滤波视频目标跟踪[J];西安工业大学学报;2012年11期

4 王兰;;基于多特征融合的票据分类技术及应用[J];计算机光盘软件与应用;2013年13期

5 陈增照;何秀玲;杨扬;董才林;;基于多特征融合的票据分类技术及应用[J];计算机工程与应用;2006年09期

6 周斌;林喜荣;贾惠波;宋榕;;多特征融合的手背血管识别算法[J];清华大学学报(自然科学版);2007年02期

7 刘贵喜;范春宇;高恩克;;基于粒子滤波与多特征融合的视频目标跟踪[J];光电子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的图像语义标注[J];东北林业大学学报;2008年10期

9 周静;黄心汉;彭刚;;基于多特征融合的飞机目标识别[J];华中科技大学学报(自然科学版);2009年01期

10 沈才梁;许雪贵;许方恒;龙丹;;多特征融合的人脸检测[J];计算机系统应用;2009年11期