一种基于多特征融合的视频目标跟踪方法

doi:10.3969/j.issn.1001-2400.2012.04.001

J4 ›› 2012, Vol. 39 ›› Issue (4): 1-6+45.doi: 10.3969/j.issn.1001-2400.2012.04.001

• 研究论文 • 下一篇

一种基于多特征融合的视频目标跟踪方法

李远征;卢朝阳;李静

(西安电子科技大学综合业务网理论及关键技术国家重点实验室，陕西西安 710071)

收稿日期:2011-11-28 出版日期:2012-08-20 发布日期:2012-10-08
通讯作者: 李远征
作者简介:李远征(1975-)，女，西安电子科技大学博士研究生，E-mail: liyuanzheng@tom.com．
基金资助:
国家自然科学基金资助项目(60872141);中央高校基本科研业务费专项资金资助项目(K50510010007);陕西省自然科学基础研究计划资助项目(2009JQ8019)

Robust video object tracking algorithm based on multi-feature fusion

LI Yuanzheng;LU Zhaoyang;LI Jing

(State Key Lab. of Integrated Service Networks, Xidian Univ., Xi'an 710071， China)

Received:2011-11-28 Online:2012-08-20 Published:2012-10-08
Contact: LI Yuanzheng

摘要/Abstract

摘要：

针对复杂场景下多特征跟踪算法适应性不强的问题，提出一种多特征有效融合和更新的目标跟踪方法．该方法首先在粒子滤波框架下采用加权融合的方式对目标进行多特征观测和相似性度量，通过分析粒子的空间集中度和权值分布建立一种有效的融合系数计算方法，使融合结果更加准确可靠．然后选取可信度高的特征检测遮挡，并动态调整目标模型的更新速度，以降低算法受目标变化和部分遮挡的影响．实验证明该方法对复杂的跟踪场景具有更强的鲁棒性，并适用于目标被遮挡时的跟踪．

关键词: 目标跟踪, 多特征融合, 粒子滤波, 模型更新

Abstract:

Object tracking using multiple features has poor performance under complex scenes and when occlusion occurs. Therefore, an algorithm for fusing multiple features adaptively in the particle filter tracking framework is proposed. The tracked object is represented by the fusion of all features under linear weighting, and a new method to estimate the fusion coefficient is also proposed according to the weight distribution of all particles as well as their spatial concentrations, thus improving the reliability of multi features fusion. Besides, a dynamic updating strategy is used to adjust the update speed of each feature template adaptively, thus alleviating the affection of object deformation. According to the confidence of each feature, an occlusion handling strategy is invoked to decrease the influence of partial occlusion. Analysis and experiment show that the proposed method is more robust under complex scenes, and is applicable in the presence of occlusions.

Key words: object tracking, multi-feature fusion, particle filter, template update

中图分类号:

TP391

李远征;卢朝阳;李静. 一种基于多特征融合的视频目标跟踪方法[J]. J4, 2012, 39(4): 1-6+45.

LI Yuanzheng;LU Zhaoyang;LI Jing. Robust video object tracking algorithm based on multi-feature fusion[J]. J4, 2012, 39(4): 1-6+45.

参考文献

［1］ Comaniciu D, Ramesh V, Meer P. Kernel-based Object Tracking［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 2003, 25(5): 564-577.
［2］张齐, 曹琦, 王晓薇, 等. 融合灰色预测和HOGI特征的红外目标跟踪方法［J］. 西安电子科技大学学报, 2010, 37(4): 751-757.
Zhang Qi, Cao Qi, Wang Xiaowei, et al. Novel IR Target Tracking Method Based on the Grey Prediction and HOGI Feature［J］. Journal of Xidian University, 2010, 37(4): 751-757.
［3］ Zhou S K, Chellappa R, Moghaddam B. Visual Tracking and Recognition Using Appearance-adaptive Models for Particle Filters［J］. IEEE Trans on Image Processing, 2004, 13(11): 1491-1506.
［4］ Perez P, Vermaak J, Blake A. Data Fusion for Visual Tracking with Particles［J］. Proceedings of the IEEE, 2004, 92(3): 495-513.
［5］ Valtteri T, Pietikainen M. Multi-object Tracking Using Color, Texture and Motion［C］//Proc of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Chicago: IEEE, 2007: 1-7.
［6］ Birchfield S. Elliptical Head Tracking Using Intensity Gra-dients and Color Histograms［C］//Proc of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Santa: IEEE, 1998: 232-237.
［7］ Ido L, Michael L, Ehud R. Tracking by Affine Kernel Transformations Using Color and Boundary Cues［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 2009, 31(1): 164-171.
［8］ Maggio E, Smeraldi F, Cavallaro A. Adaptive Multi-feature Tracking in a Particle Filtering Framework［J］. IEEE Trans on Circuits and Systems for Video Technology, 2007, 17(10): 1348-1359.
［9］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, 2010, 38(1): 18-21.
Niu Changfeng, Liu Yushu. Particle Filter Targets Tracking by Fusing Multiple Features［J］. Journal of Huazhong University of Science ＆ Technology, 2010, 38(1): 18-21.
［10］ Wang X, Tang Z M. Modified Particle Filter-based Infrared Pedestrian Tracking［J］. Infrared Physics and Technology, 2010, 53(4): 280-287.
［11］顾鑫, 王海涛, 汪凌峰, 等. 基于不确定性度量的多特征融合跟踪［J］. 自动化学报, 2011, 37(5): 550-559.
Gu Xin, Wang Haitao, Wang Lingfeng, et al. Fusing Multiple Features for Object Tracking Based on Uncertainty Measurement［J］. Acta Automatica Sinica, 2011, 37(5): 550-559.
［12］贾桂敏, 王向军, 张世海. 复杂背景下基于自适应模板更新的目标跟踪算法［J］. 光学学报, 2009, 29(3): 659-663.
Jia Guimin, Wang Xiangjun, Zhang Shihai. Target Tracking Algorithm Based on Adaptive Template Update in Complex Background［J］. Acta Optica Sinica, 2009, 29(3): 659-663.
［13］ Ojala T, Pietikainen M, Maenpaa T. Multiresolution Grayscale and Rotation Invariant Texture Classification with Local Binary Patterns［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 2002, 24(7): 971-987.
［14］ Fisher R. Caviar Test Case Scenarios［DB/OL］. ［2011-09-15］. http://homepaes.inf.ed.ac.uk/rbf/CAVIARDATA1/.

[1]	宋建锋,苗启广,王崇晓,徐浩,杨瑾. 注意力机制的多尺度单目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 110-116.
[2]	王海军,张圣燕,杜玉杰. 响应差异约束的相关滤波无人机目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 149-155.
[3]	顾兆军,陈辉,王家亮,高冰. 一种小型四轴飞行器目标跟踪控制算法[J]. 西安电子科技大学学报, 2021, 48(5): 117-127.
[4]	毛昭勇,王亦晨,王鑫,沈钧戈. 面向高速公路的车辆视频监控分析系统[J]. 西安电子科技大学学报, 2021, 48(5): 178-189.
[5]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[6]	张逸宸,水鹏朗. 一种改进的泊松点过程概率多假设跟踪方法[J]. 西安电子科技大学学报, 2021, 48(2): 27-34.
[7]	成磊,王玥,田春娜. 一种添加残差注意力机制的视觉目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(6): 148-157.
[8]	李翠芸,李洋,姬红兵,石仁政. 一步数据关联GLMB扩展目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(5): 137-143.
[9]	余志超,张瑞红. 结合深度轮廓特征的改进孪生网络跟踪算法[J]. 西安电子科技大学学报, 2020, 47(3): 40-49.
[10]	张昀普,单甘霖,段修生,王猛. 主/被动传感器辐射控制的调度方法[J]. 西安电子科技大学学报, 2019, 46(6): 67-74.
[11]	王明杰,姬红兵,刘龙. 噪声野值下的学生t分布混合CPHD滤波[J]. 西安电子科技大学学报, 2019, 46(5): 134-141.
[12]	宋建锋,苗启广,申猛,权义宁,陈毓生. 多特征融合的相关滤波红外单目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(5): 142-147.
[13]	李翠芸,陈东伟,石仁政. 自适应目标新生δ广义标签多伯努利滤波算法[J]. 西安电子科技大学学报, 2019, 46(2): 12-16.
[14]	王海军,张圣燕. 自适应权值卷积特征的鲁棒目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 117-123.
[15]	王欣远,肖嵩,李磊,焦玲玲. 融合ELM和相关滤波的鲁棒性目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 57-63.

一种基于多特征融合的视频目标跟踪方法

Robust video object tracking algorithm based on multi-feature fusion

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0