吉林大学学报(工学版) ›› 2021, Vol. 51 ›› Issue (3): 1111-1120.doi: 10.13229/j.cnki.jdxbgxb20190789
• 通信与控制工程 • 上一篇
Jing JIN1(),Jian-wu DANG1,Yang-ping WANG2,Dong SHEN1
摘要:
针对粒子滤波跟踪算法使用单一特征鲁棒性差,以及粒子重采样策略易导致粒子退化、贫化等问题,提出了一种基于多特征、多线索的改进粒子滤波跟踪方法。使用引入邻域关系的Histon直方图描述目标的颜色特征,并建立了一种稳健的模糊统计纹理特征(FSTF)表达空间纹理信息,然后将其自适应地与区域颜色特征融合构建多线索的观测模型。在粒子滤波跟踪过程中,使用基于K-means的粒子权重聚类进行更为准确的后验分布估计。在重要性重采样阶段,保留高权重粒子的同时基于当前目标状态的先验分布产生新粒子,避免了粒子退化并保证了粒子的多样性。在标准测试集上的实验结果表明:相比其他基于粒子滤波框架的跟踪算法,本文方法能够得到更高的跟踪精度和成功率。与其他效果突出的流行跟踪算法相比,本文方法能在光照变化、目标形变和背景扰动场景下取得更好的跟踪效果。
中图分类号:
1 | 杨小军. 基于Unscented信息滤波器的分布式目标融合跟踪[J]. 吉林大学学报:工学版, 2015, 45(2): 658-662. |
Yang Xiao-jun. Distributed fusion and target tracking based on Unscented information filter[J]. Journal of Jilin University(Engineering and Technology Edition), 2015, 45(2): 658-662. | |
2 | 李娟, 刘晓龙, 卢长刚. 改进的粒子滤波重采样算法[J]. 吉林大学学报:工学版, 2015, 45(6): 2069-2074. |
Li Juan, Liu Xiao-long, Lu Chang-gang. Improvement of resampling algorithm of particle filter[J]. Journal of Jilin University(Engineering and Technology Edition), 2015, 45(6): 2069-2074. | |
3 | Li S, Zhao S, Cheng B, et al. Lightweight particle filter for robust visual tracking[J]. IEEE Access, 2018, 6: 32310-32320. |
4 | Firouznia M, Faez K, Amindavar H, et al. Chaotic particle filter for visual object tracking[J]. Journal of Visual Communication and Image Representation, 2018, 53: 1-12. |
5 | Jenkins M D, Barrie P, Buggy T, et al. Selective sampling importance resampling particle filter tracking with multibag subspace restoration[J]. IEEE Transactions on Cybernetics, 2018, 48(1): 264-276. |
6 | Li J Q, Zhao R H, Chen J L, et al. Target tracking algorithm based on adaptive strong tracking particle filter[J]. Iet Science Measurement & Technology, 2016, 10(7): 704-710. |
7 | Zhai Y, Song P, Mou Z, et al. Occlusion-aware correlation particle filter target tracking based on RGBD data[J]. IEEE Access, 2018, 6: 50752-50764. |
8 | Lin Y, Huang D, Huang W. Target tracking algorithm based on an adaptive feature and particle filter[J]. Information, 2018, 9(6): 140-148. |
9 | Xin S, Yao H, Lu X. Dynamic multi-cue tracking using particle filter[J]. Signal Image & Video Processing, 2014, 8(1): 95-101. |
10 | Yin M, Jin Z, Sun H, et al. Multi-cue-based CamShift guided particle filter tracking[J]. Expert Systems with Applications, 2011, 38(5): 6313-6318. |
11 | Walia G S, Kapoor R. Robust object tracking based upon adaptive multi-cue integration for video surveillance[J]. Multimedia Tools & Applications, 2015, 75(23): 15821-15847. |
12 | Mohabey A, Ray A K. Rough set theory based segmentation of color images[C]∥Fuzzy Information Processing Society, Nafips International Conference of the North American, Atlanta, USA, 2000: 338-342. |
13 | Rami H, Hamri M, Masmoudi L. Objects tracking in images sequence using local binary pattern(LBP)[J]. International Journal of Computer Applications, 2013, 63(20): 19-23. |
14 | Graves D, Pedrycz W. Kernel-based fuzzy clustering and fuzzy clustering:a comparative experimental study[J]. Fuzzy Sets and Systems, 2010, 161(4): 522-543. |
15 | Wu Y, Lim J, Yang M H. Object tracking benchmark[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2015, 37(9): 1834-1848. |
16 | Zhang K, Zhang L, Yang M H. Real-Time compressive tracking[C]∥European Conference on Computer Vision, Florence, Italy, 2012: 864-877. |
17 | Kalal Z, Mikolajczyk K, Matas J. Tracking-learning-detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(7): 1409-1422. |
18 | Ross D A, Lim J, Lin R S, et al. Incremental learning for robust visual tracking[J]. International Journal of Computer Vision, 2008, 77(1-3): 125-141. |
19 | Ji H, Ling H, Wu Y, et al. Real time robust L1 tracker using accelerated proximal gradient approach[C]∥IEEE Conference on Computer Vision & Pattern Recognition, Providence, RI, USA, 2012: 1830-1837. |
[1] | 郭继昌,乔珊珊. 基于深度图的水下图像复原[J]. 吉林大学学报(工学版), 2021, 51(2): 677-684. |
[2] | 刘国华,周文斌. 基于卷积神经网络的脉搏波时频域特征混叠分类[J]. 吉林大学学报(工学版), 2020, 50(5): 1818-1825. |
[3] | 史再峰,李金卓,曹清洁,李慧龙,胡起星. 基于生成对抗网络的低剂量能谱层析成像去噪算法[J]. 吉林大学学报(工学版), 2020, 50(5): 1755-1764. |
[4] | 王柯俨,王迪,赵熹,陈静怡,李云松. 基于卷积神经网络的联合估计图像去雾算法[J]. 吉林大学学报(工学版), 2020, 50(5): 1771-1777. |
[5] | 谌华,郭伟,闫敬文,卓文浩,吴良斌. 基于深度学习的SAR图像道路识别新方法[J]. 吉林大学学报(工学版), 2020, 50(5): 1778-1787. |
[6] | 张薇,韩勇,金铭,乔晓林. 基于托普利兹矩阵集重构的相干信源波达方向估计[J]. 吉林大学学报(工学版), 2020, 50(2): 703-710. |
[7] | 程艳芬,姚丽娟,袁巧,陈先桥. 水下视频图像清晰化方法[J]. 吉林大学学报(工学版), 2020, 50(2): 668-677. |
[8] | 于晓辉,张志成,李新波,孙晓东. 基于状态空间模型的指数衰减正弦信号参数估计[J]. 吉林大学学报(工学版), 2019, 49(6): 2083-2088. |
[9] | 刘富, 权美静, 王柯, 刘云, 康冰, 韩志武, 侯涛. 仿蝎子振源定位机理的位置指纹室内定位方法[J]. 吉林大学学报(工学版), 2019, 49(6): 2076-2082. |
[10] | 马子骥,卢浩,董艳茹. 双通道单图像超分辨率卷积神经网络[J]. 吉林大学学报(工学版), 2019, 49(6): 2089-2097. |
[11] | 郭继昌,吴洁,郭春乐,朱明辉. 基于残差连接卷积神经网络的图像超分辨率重构[J]. 吉林大学学报(工学版), 2019, 49(5): 1726-1734. |
[12] | 曹运合,曾丽,王宇. 基于特征空间的子阵级自适应和差波束测角方法[J]. 吉林大学学报(工学版), 2019, 49(5): 1735-1744. |
[13] | 卢洋,王世刚,赵文婷,赵岩. 基于离散Shearlet类别可分性测度的人脸表情识别方法[J]. 吉林大学学报(工学版), 2019, 49(5): 1715-1725. |
[14] | 董超,刘晶红,徐芳,王仁浩. 光学遥感图像舰船目标快速检测方法[J]. 吉林大学学报(工学版), 2019, 49(4): 1369-1376. |
[15] | 王柯俨,胡妍,王怀,李云松. 结合天空分割和超像素级暗通道的图像去雾算法[J]. 吉林大学学报(工学版), 2019, 49(4): 1377-1384. |
|