基于KCF和SURF特征的跟踪算法在铅鱼跟踪上应用

发布时间：2021-10-17 17:33

　　核相关滤波KCF（kernel correlation filter）算法存在的尺度不能自适应及目标丢失后不能重新自动框选的问题,提出一种基于KCF框架的改进算法;该算法基于KCF框架,引入双重尺度估计策略,实现目标尺度自适应的同时又提高跟踪速度;同时还引入峰值旁瓣比PSR（peak to side lobe ratio）来进行遮挡判断,引入加速稳健特征SURF（speeded up robust features）特征来对目标进行自动重新匹配并框选。实验结果表明,提出的改进算法相比于原算法能够实现目标跟踪尺度自适应,并且在目标丢失后自动重新匹配框选目标并继续跟踪,实现对目标的长时间稳定跟踪,使其在铅鱼跟踪上有较好的效果。 

【文章来源】：电子测量技术. 2020,43(08)

【文章页数】：8 页

【部分图文】：

铅鱼实拍图

通过对铅鱼进行跟踪能够有效的对铅鱼的运行过程进行监测,实时掌握铅鱼的位置信息,避免铅鱼丢失等安全事故的发生,降低测流时的安全风险,加强测流效率,减少水文工作人员的劳动强度,因此对测流时的铅鱼进行跟踪是必要的。而影响铅鱼跟踪的因素很多,诸如尺寸变化、铅鱼入水被遮挡、铅鱼发生旋转、光照变化等。对于铅鱼的运行过程,可以建立如下模型来对铅鱼的运行过程进行描述:设铅鱼的位置为L,把铅鱼的运行过程看做一个在三维空间中的运动,L=f(x,y,z),x轴为铅鱼左右运行的距离,y为铅鱼水平方向前后运行的距离,z为铅鱼在垂直方向上下运行距离。

KCF算法引入循环矩阵理论来提高跟踪精度,通过循环移位对视频目标区域进行稠密采样后产生大量的样本,得到循环矩阵X。以图像的形式展示出来,在二维图像上的循环位移如下:KCF跟踪器以目标为中心,把通过稠密采样获取的方向梯度直方图HOG特征输入到岭回归分类器[8]来训练分类器。训练公式如下:

【参考文献】：
期刊论文
[1]适用于复杂场景的多目标跟踪算法[J]. 孙宇嘉,于纪言,王晓鸣.  仪器仪表学报. 2019(03)
[2]特征融合的核相关滤波跟踪算法[J]. 吴昭童,左颢睿,徐智勇,张建林.  国外电子测量技术. 2019(02)
[3]基于动态自适应相关滤波的复杂场景目标跟踪算法[J]. 江南.  电子测量与仪器学报. 2019(02)
[4]旋翼飞行机器人的行人视觉跟踪方法及系统[J]. 王耀南,罗琼华,毛建旭,陈彦杰,周显恩.  电子测量与仪器学报. 2018(11)
[5]一种抗遮挡的自适应尺度目标跟踪算法[J]. 瞿中,赵从梅.  计算机科学. 2018(04)
[6]复杂背景下MeanShift结合Kalman滤波的车辆跟踪算法[J]. 苏灵松.  电子测量技术. 2018(06)
[7]特征融合和模型自适应更新相结合的相关滤波目标跟踪[J]. 王暐,王春平,李军,张伟.  光学精密工程. 2016(08)



本文编号：3442154