基于特征在线选择的目标压缩跟踪算法

被引：10

作者：

李庆武 ^{[1
,2
]}

朱国庆 ^{[1
,2
]}

周妍 ^{[1
]}

霍冠英 ^{[1
,2
]}

机构：

[1] 河海大学物联网工程学院

[2] 常州市传感网与环境感知重点实验室

来源：

自动化学报 | 2015年 / 41卷 / 11期

关键词：

特征在线选择; 压缩感知; 尺度变化; 目标跟踪;

D O I：

10.16383/j.aas.2015.c140809

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

基于压缩感知理论的压缩跟踪算法能够有效地实现对目标的跟踪,具有良好的实时性,但该算法对目标特征没有进行在线选择导致跟踪鲁棒性不高.本文提出一种基于特征在线选择的目标压缩跟踪算法.首先,在目标附近采样得到正负样本集合,计算样本的多尺度矩形特征,采用压缩感知中的随机投影矩阵对高维特征投影得到低维压缩域特征,对压缩域特征进行在线选择提取最优特征,剔除被污染的样本特征,使用简单高效的朴素贝叶斯分类模型进行样本判断,实现对目标的跟踪,同时对跟踪中目标在摄像头中的尺度变化进行建模,给出目标尺度变化的定量描述,实现了适应目标尺度变化的多尺度跟踪.实验结果表明本文算法具有更好的鲁棒性与更高的跟踪精度,对目标跟踪中的遮挡、光线突变、尺度变化和非刚性形变等因素具有较好的抗干扰能力,同时算法复杂度低,可以满足实时性要求.

引用

页码：1961 / 1970

页数：10

共 11 条

[1] 基于蛙眼R3细胞感受野模型的运动滤波方法 [J].

李智勇 ;

何霜 ;

刘俊敏 ;

李仁发 .

自动化学报, 2015, 41 (05) :981-990

[2] 基于L范数最小化的实时目标跟踪 [J].

齐美彬 ;

杨勋 ;

杨艳芳 ;

陆磊 ;

蒋建国 .

中国图象图形学报 , 2014, (01) :36-44

[3] 引入视觉注意机制的目标跟踪方法综述 [J].

黎万义 ;

王鹏 ;

乔红 .

自动化学报, 2014, 40 (04) :561-576

[4] 基于ML和L2范数的视频目标跟踪算法 [J].

姜明新 ;

王洪玉 ;

王洁 ;

王彪 .

电子学报, 2013, 41 (11) :2307-2313

[5] 基于粒子滤波与稀疏表达的目标跟踪方法 [J].

杨大为 ;

丛杨 ;

唐延东 .

模式识别与人工智能, 2013, 26 (07) :680-687

[6]

基于蛙眼视觉特性的运动目标模糊化区域理解跟踪方法[J]. 王智灵,陈宗海,徐萧萧,吴亮.自动化学报. 2009(08)

[7]

Incremental Learning for Robust Visual Tracking[J] . David A. Ross,Jongwoo Lim,Ruei-Sung Lin,Ming-Hsuan Yang.International Journal of Computer Vision . 2008 (1)

[8] A Simple Proof of the Restricted Isometry Property for Random Matrices [J].

Baraniuk, Richard ;

Davenport, Mark ;

DeVore, Ronald ;

Wakin, Michael .

CONSTRUCTIVE APPROXIMATION, 2008, 28 (03) :253-263

[9]

Database-friendly random projections: Johnson-Lindenstrauss with binary coins[J] . Dimitris Achlioptas.Journal of Computer and System Sciences . 2003 (4)

[10]

Visual tracking decomposition .2 Kwon J,Lee K M. Proceedingsof the IEEE Conference on Computer Vision and PatternRecognition . 2010

← 1 2 →