正例投票下的L1目标跟踪算法
本文关键词:正例投票下的L1目标跟踪算法
更多相关文章: 正例图像块 投票 稀疏表示 目标跟踪 粒子滤波
【摘要】:目的传统的L1稀疏表示目标跟踪,是将所有候选目标表示为字典模板的线性组合,只考虑了字典模板的整体信息,没有分析目标的局部结构。针对该方法在背景杂乱时容易出现跟踪漂移的问题,提出一种基于正例投票的目标跟踪算法。方法本文将目标表示成图像块粒子的组合,考虑目标的局部结构。在粒子滤波框架内,构建图像块粒子置信函数和相似性函数,提取正例图像块。最终通过正例权重投票估计跟踪目标的最佳位置。结果在14组公测视频序列上进行跟踪实验,与多种优秀的目标跟踪算法相比,本文跟踪算法在目标受到背景杂乱、遮挡、光照变化等复杂环境干扰下最为稳定,重叠率达到了0.7,且取得了最低的平均跟踪误差5.90,反映了本文算法的可靠性和有效性。结论本文正例投票下的L1目标跟踪算法,与经典方法相比,能够解决遮挡、光照变化和快速运动等问题的同时,稳定可靠地实现背景杂乱序列的鲁棒跟踪。
【作者单位】: 合肥工业大学计算机与信息学院;
【关键词】: 正例图像块 投票 稀疏表示 目标跟踪 粒子滤波
【基金】:国家自然科学基金项目(61403116,61273237,61271121,61471154) 中国博士后基金项目(2014M560507) 合肥工业大学研究生教学改革研究基金项目(YJG2014Y13) 中央高校基本科研业务费专项资金项目~~
【分类号】:TP391.41
【正文快照】: 0引言 目标跟踪是计算机视觉领域中一个重要研究方向,在智能监控、人机交互、机器人视觉和车辆导航等领域有着广泛的应用[1-2]。在过去的几十年中,目标跟踪算法[3]取得了很大的发展和突破,但由于受到自身姿态、尺寸变化以及遮挡、光照、背景杂乱等外部环境的影响,使运动目标
【参考文献】
中国期刊全文数据库 前1条
1 高文;朱明;贺柏根;吴笑天;;目标跟踪技术综述[J];中国光学;2014年03期
【共引文献】
中国期刊全文数据库 前10条
1 杨伟明;薛召;刘玉良;;基于改进残差重采样粒子滤波的纯方位目标追踪[J];天津科技大学学报;2016年06期
2 王哲;徐学科;邵建达;顿爱欢;杨明红;范永涛;方媛媛;高文兰;刘方;;大型环抛机蜡盘平面度的测量[J];光学精密工程;2016年12期
3 胡良梅;王健;张骏;张旭东;;正例投票下的L1目标跟踪算法[J];中国图象图形学报;2016年11期
4 樊旭;严浩;何顶新;;基于FPGA的物体跟踪系统[J];青岛大学学报(自然科学版);2016年04期
5 李凯;刘颖;李娜;王玮婧;;基于多特征融合的变尺度目标跟踪方法[J];西安邮电大学学报;2016年06期
6 张海峰;邓华荣;吴志波;汤凯;张忠萍;;地基激光测距系统观测空间碎片进展[J];航天器环境工程;2016年05期
7 孙保基;张葆;宋策;龙思源;;基于角点增强改进的TLD目标跟踪算法[J];液晶与显示;2016年09期
8 储向锋;朱春;胡晓飞;;基于稀疏表示的目标跟踪算法[J];南京邮电大学学报(自然科学版);2016年04期
9 汪宏f;郝群;宋勇;李潇;;一种抗遮挡抗干扰的目标检测跟踪方法研究[J];光学技术;2016年04期
10 江山;张锐;韩广良;孙海江;;复杂背景灰度图像下的多特征融合运动目标跟踪[J];中国光学;2016年03期
【二级参考文献】
中国期刊全文数据库 前9条
1 丘文涛;赵建;刘杰;;结合区域分割的SIFT图像匹配方法[J];液晶与显示;2012年06期
2 匡金骏;柴毅;熊庆宇;;结合标准对冲与核函数稀疏分类的目标跟踪[J];光学精密工程;2012年11期
3 王田;刘伟宁;韩广良;杜超;刘恋;;基于改进MeanShift的目标跟踪算法[J];液晶与显示;2012年03期
4 龚俊亮;何昕;魏仲慧;郭敬明;;采用改进辅助粒子滤波的红外多目标跟踪[J];光学精密工程;2012年02期
5 颜佳;吴敏渊;;遮挡环境下采用在线Boosting的目标跟踪[J];光学精密工程;2012年02期
6 冯小勇;赵忠华;刘新明;;日间恒星实时探测的视频图像处理[J];中国光学;2011年06期
7 郝志成;高文;;多模跟踪技术在轮式侦察车图像处理器的应用[J];中国光学;2011年05期
8 王国良;刘金国;;基于粒子滤波的多自由度运动目标跟踪[J];光学精密工程;2011年04期
9 李丽;李平;杨明;郑宝庆;王滨海;;基于SIFT特征匹配的电力设备外观异常检测方法[J];光学与光电技术;2010年06期
【相似文献】
中国期刊全文数据库 前10条
1 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期
2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期
3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期
4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期
5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期
6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期
7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期
8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期
9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期
10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期
中国重要会议论文全文数据库 前10条
1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集(上卷)[C];1995年
2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报(2005)[C];2005年
8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集(上册)[C];2009年
9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年
2 王保宪;复杂背景下的视频目标跟踪算法研究[D];北京理工大学;2016年
3 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年
4 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年
5 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年
6 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年
7 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年
8 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年
9 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年
10 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年
2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年
3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年
4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年
5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年
6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年
7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年
8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年
9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年
10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年
,本文编号:524707
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/524707.html