吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (2): 533-539.doi: 10.13229/j.cnki.jdxbgxb201502029

• 论文 • 上一篇    下一篇

基于多特征融合的粒子滤波自适应目标跟踪算法

杨欣1，2，3，刘加1，周鹏宇1，周大可1   

  1. 1. 南京航空航天大学 自动化学院，南京 210016；
    2.东南大学 自动化学院，南京 210096；
    3.光电控制技术重点实验室，河南 洛阳 471000
  • 收稿日期:2013-07-01 出版日期:2015-04-01 发布日期:2015-04-01
  • 通讯作者: 刘加(1989)，男，硕士研究生.研究方向:模式识别与图像处理.E-mail:lergliu@126.com
  • 作者简介:杨欣(1978)，男， 副教授， 博士.研究方向:模式识别与智能系统.E-mail:yangxin@nuaa.edu.cn
  • 基金资助:
    国家自然科学基金项目(61172135， 61101198)；航空科学基金项目(40145152027).

Adaptive particle filter for object tracking based on fusing multiple features

YANG Xin1,2,3,LIU Jia1,ZHOU Peng-yu1,ZHOU Da-ke1   

  1. 1.College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016,China;
    2.School of Automation, Southeast University, Nanjing 210096,China;
    3.Key Laboratory of Photoelectric Control Technology,Luogyang 471000,China
  • Received:2013-07-01 Online:2015-04-01 Published:2015-04-01

RICH HTML

0   

PDF (PC)

410

摘要： 为解决用单一特征无法保持在复杂环境下跟踪的鲁棒性以及粒子数量增多导致的算法效率低下的问题，选择多个特征融合的策略来保证跟踪的持续稳定，并自适应地调整每个特征的权值来适应环境的变化;为提高算法的实时性，采用自适应的粒子数量。实验结果表明:本文算法有效地解决了目标旋转、目标遮挡以及背景混淆等诸多问题，具有较高的鲁棒性。

关键词: 自动控制技术, 目标跟踪, 粒子滤波, 多特征融合, 自适应

Abstract: In target tracking using a single feature, the tracking robustness can not be guaranteed in the case of complex environments, and the increase in particle number will lead to in low efficiency of the algorithm. To overcome these problems, a multiple feature fusion strategy is chosen to ensure sustained and stable tracking. Using this strategy, the weights of features will be adjusted adaptively to the environmental changes, and the number of particles is adaptive to improve the efficiency of the algorithm. Experimental results show that the proposed algorithm can effectively solve the target rotation, target occlusion, background confusion and many other issues with high robustness.

Key words: automatic control technology, objects tracking, particle filter, multi-feature fusion, adaptive

中图分类号: 

  • TP29
[1] 叶龙,王京玲,张勤. 遗传重采样粒子滤波器[J]. 自动化学报, 2007, 33(8) :885-887.
Ye Long, Wang Jing-ling, Zhang Qin. Genetic resampling particle filter[J]. Acta Automatica Sinica, 2007, 33(8): 885-887.
[2] Wang Zhao-wen, Yang Xiao-kang, Xu Yi, et al . CamShift guided particle filter for visual tracking[J]. Pattern Recognition Letters (S0167-8655),2009,30(4):407-413.
[3] 高秀斌,丁盼盼,蒋长帅,等. 一种基于多特征融合的粒子滤波目标跟踪算法[J]. 扬州大学学报:自然科学版, 2013,16(1): 57-60.
Gao Xiu-bin, Ding Pan-pan, Jiang Chang-shuai, et al. A particle filter algorithm for objects tracking based on multi-feature fusion[J]. Journal of Yangzhou University(Natural Science Edition), 2013,16(1): 57-60.
[4] Kwok C, Fox D, Meil A M. Adaptive real-time particle filters for robot localization[C]∥IEEE International Conference on Robotics and Automation. USA: IEEE Press, 2003: 2836-2841.
[5] Bolic M, Djuric P M, Hong S. Resampling algorithms for particle filters: a computational complexity perspective[J]. Eurasip Journal on Applied Signal Processing (S1687-0433), 2004, 15(15): 2267-2277.
[6] Bolic M, Djuric P M, Hong S. Resampling algorithms and architectures for distributed particle filter[J]. IEEE Transaction on Signal Processing (S1053-587X), 2005, 53(7): 2442-2450.
[7] 胡士强,敬忠良. 粒子滤波原理及其应用[M]. 北京:科学出版社,2010:21-23.
[8] 刘士荣, 朱伟涛,杨帆,等. 基于多特征融合的粒子滤波目标跟踪算法[J]. 信息与控制, 2012,41(6):752-759.
Liu Shi-rong, Zhu Wei-tao, Yang Fan,et al. Multi-feature fusion based particle filter algorithm for object tracking[J]. Information and Control,2012, 41(6):752-759.
[9] Comaniciu D, Ramesh V, Meer P. Kernel-based object tracking[J]. IEEE Trans on Pattern Analysis and Machine Intelligence (S0162-8828), 2003, 25(5): 564-577.
[10] Katja N, Esther K M. Object tracking with an adaptive color-based particle filter[C]∥Proceedings of the 24th DAGM Symposium on Pattern Recognition, Zurich,2002: 353-360.
[1] 顾万里,王萍,胡云峰,蔡硕,陈虹. 具有H∞性能的轮式移动机器人非线性控制器设计[J]. 吉林大学学报(工学版), 2018, 48(6): 1811-1819.
[2] 李战东,陶建国,罗阳,孙浩,丁亮,邓宗全. 核电水池推力附着机器人系统设计[J]. 吉林大学学报(工学版), 2018, 48(6): 1820-1826.
[3] 赵爽,沈继红,张刘,赵晗,陈柯帆. 微细电火花加工表面粗糙度快速高斯评定[J]. 吉林大学学报(工学版), 2018, 48(6): 1838-1843.
[4] 赵伟强, 高恪, 王文彬. 基于电液耦合转向系统的商用车防失稳控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1305-1312.
[5] 王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.
[6] 闫冬梅, 钟辉, 任丽莉, 王若琳, 李红梅. 具有区间时变时滞的线性系统稳定性分析[J]. 吉林大学学报(工学版), 2018, 48(5): 1556-1562.
[7] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[8] 张茹斌, 占礼葵, 彭伟, 孙少明, 刘骏富, 任雷. 心肺功能评估训练系统的恒功率控制[J]. 吉林大学学报(工学版), 2018, 48(4): 1184-1190.
[9] 董惠娟, 于震, 樊继壮. 基于激光测振仪的非轴对称超声驻波声场的识别[J]. 吉林大学学报(工学版), 2018, 48(4): 1191-1198.
[10] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[11] 曹婧华, 孔繁森, 冉彦中, 宋蕊辰. 基于模糊自适应PID控制的空压机背压控制器设计[J]. 吉林大学学报(工学版), 2018, 48(3): 781-786.
[12] 田彦涛, 张宇, 王晓玉, 陈华. 基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计[J]. 吉林大学学报(工学版), 2018, 48(3): 845-852.
[13] 张士涛, 张葆, 李贤涛, 王正玺, 田大鹏. 基于零相差轨迹控制方法提升快速反射镜性能[J]. 吉林大学学报(工学版), 2018, 48(3): 853-858.
[14] 陈松, 李显生, 任园园. 公交车钩形转弯交叉口自适应信号控制方法[J]. 吉林大学学报(工学版), 2018, 48(2): 423-429.
[15] 王林, 王洪光, 宋屹峰, 潘新安, 张宏志. 输电线路悬垂绝缘子清扫机器人行为规划[J]. 吉林大学学报(工学版), 2018, 48(2): 518-525.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发