吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (2): 663-669.doi: 10.13229/j.cnki.jdxbgxb201502049

• 论文 • 上一篇    下一篇

遮挡环境下采用分层局部敏感直方图的实时目标跟踪

王宣1,2,刘晶红1   

  1. 1.中国科学院 长春光学精密机械与物理研究所,长春 130033;
    2.中国科学院大学,北京 100039
  • 收稿日期:2013-10-15 出版日期:2015-04-01 发布日期:2015-04-01
  • 通讯作者: 刘晶红(1967),女,研究员,博士生导师.研究方向:航空光学成像与测量技术.E-mail:liu1577@126.com
  • 作者简介:王宣(1984),男,博士研究生,助理研究员.研究方向:机器视觉与模式识别.E-mail:ally637@163.com
  • 基金资助:
    “973”国家重点基础研究发展计划项目(2009CB72400105);国防预研基金项目(402070301).

Multilayer locality sensitive histograms based real-time target tracking under occlusion

WANG Xuan1,2,LIU Jing-hong1   

  1. 1.Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China;
    2.University of Chinese Academy of Sciences, Beijing 100039, China
  • Received:2013-10-15 Online:2015-04-01 Published:2015-04-01

摘要: 针对局部敏感直方图跟踪算法中缺乏抗遮挡处理机制,在目标被长时间大面积遮挡时易丢失目标的问题,提出了一种基于分层局部敏感直方图特征的实时跟踪算法。该算法将目标模板分为多个顶层区域,分别判断每个顶层区域是否被遮挡,停止被遮挡区域的模板更新。在更新过程中,针对各顶层区域的置信度不同采用不同的更新速度,使环境变化时算法仍保持良好的抗遮挡性能。对视频的测试结果表明:本方法在目标大小为60 pixel×60 pixel时平均帧速为30帧/s,满足实时性要求。与局部敏感直方图跟踪算法相比,本算法具有更好的抗长时间遮挡和光照变化的性能。

关键词: 信息处理技术, 局部敏感直方图, 分层模板, 抗遮挡, 实时跟踪

Abstract: The tracking algorithm based on locality sensitive histograms lacks the function of anti-occlusion and fails to track targets stably under long-time occlusion. To overcome this problem, a real-time tracking algorithm using multilayer template based on locality sensitive histograms is proposed. The algorithm first divides the template into a number of top regions; then estimates the occluded state of each top region; and stops the template updating of the occluded top regions. Because the different reliability of each top region, different update levels are taken to maintain the robustness under varied target conditions. The proposed algorithm is tested with two video sequences and results show that the algorithm achieves stable tracking for target size of 60pixel×60pixel. As compared with the locality sensitive histograms tracking, the proposed algorithm can track stably under illumination change and occlusion.

Key words: information processing technology, locality sensitive histograms, multilayer template, anti-occlusion, real-time tracking

中图分类号: 

  • TN911.7
[1] Collins R, Liu Yan-xi, Leordeanu M. Online selection of discriminative tracking feature[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005,27(10): 1631-1634.
[2] 曲昭伟, 魏福禄, 魏巍, 等. 雷达与视觉信息融合的
行人检测方法[J]. 吉林大学学报: 工学版, 2013,43(5): 1230-1234.
Qu Zhao-wei, Wei Fu-lu, Wei Wei, et al. Pedestrian detect by radar vision data fusion[J]. Jurnal of Jinlin University (Engineering and Technology Edition), 2013, 43(5): 1230-1234.
[3] Lei Peng, Wu Tian-fu, Pei Ming-tao, et al. Robust Track- ing by Accounting for Hard Negatives Explicitly[C]∥International Conference on Pattern Recognition,Tsukuba, Japan, 2012: 2112-2115.
[4] James S S, Deva R. Self-paced learning for long-term tracking[C]∥Computer Vision and Pattern Recognition, Oregon, Porland, 2013:2379-2386.
[5] He S F, Yang Q X, Rynson W H, et al. Visual tracking via locality sensitive histograms[C]∥Computer Vision and Pattern Recognition, Oregon, Porland, 2013:2427-2434.
[6] Donghoon K, Donghwa L, Hyun M, et al. Object det- ection and tracking for autonomous underwater robots using weighted template matching[C]∥OCEANS, Yeosu, South Korea, 2012:1-5.
[7] Caterina G D, Soraghan J J. Robust complete occlusion handling in adaptive template matching target tracking[J].Electronics Letters, 2012, 48(14): 831-832.
[8] Sanjay K S, Adhikari G, Das B K. A fast template matching algorithm for aerial object tracking[C]∥International Conference on Image Infromation Processing, Himachal Pradesh, India, 2011:1-6.
[9] Lamberti F, Sanna A, Paravati G. Improving robustness of infrared target tracking algorithms based on template matching[J].Aerospace and Electronic Systems, 2011, 47(2): 1467-1480.
[10] Alt N, Hinterstoisser S, Navab N. Rapid selection of reliable templates for visual tracking[C]∥Computer Vision and Pattern Recognition, San Francisco, USA, 2010:1355-1362.
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!