基于前景概率函数的目标跟踪

被引：1

作者：

周斌

王军政

沈伟

机构：

[1] 北京理工大学自动化学院

来源：

北京理工大学学报 | 2011年 / 31卷 / 04期

关键词：

目标跟踪; 前景概率函数; 均值迁移; Bhattacharyya相关系数;

D O I：

10.15918/j.tbit1001-0645.2011.04.016

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对不规则目标跟踪中初始窗口内包含背景像素导致特征模板不准确的问题,提出前景概率函数以及基于前景概率函数的目标跟踪算法.首先根据目标所在区域与背景区域的颜色分布建立前景概率函数,并以此计算目标区域中像素的前景概率,削弱背景像素的干扰,得到更准确的目标特征模板.将目标区域像素的前景概率引入均值迁移跟踪框架中,实现目标的迭代定位;在跟踪收敛后重新计算收敛区域中的前景概率分布,根据其反向投影图的尺度变化调整跟踪窗宽;最后利用Bhattacharyya相关系数对目标特征模板进行自适应更新.实验表明,该算法能够有效抑制背景像素的干扰,在目标尺度变化时能够准确调整跟踪窗宽,减少迭代次数,满足实时跟踪的需要.在复杂背景中跟踪性能也始终优于传统的均值迁移跟踪算法.

引用

页码：441 / 446

页数：6

共 7 条

[1] 基于多特征Mean Shift的人脸跟踪算法 [J].

张涛 ;

蔡灿辉 .

电子与信息学报, 2009, 31 (08) :1816-1820

[2] 复杂情形下目标跟踪的自适应粒子滤波算法 [J].

姚红革 ;

齐华 ;

郝重阳 .

电子与信息学报, 2009, 31 (02) :275-278

[3] 基于多特征自适应融合的核跟踪方法 [J].

王永忠 ;

梁彦 ;

赵春晖 ;

潘泉 .

自动化学报, 2008, (04) :393-399

[4] Robust object tracking with background-weighted local kernels [J].

Jeyakar, Jaideep ;

Babu, R. Venkatesh ;

Ramakrishnan, K. R. .

COMPUTER VISION AND IMAGE UNDERSTANDING, 2008, 112 (03) :296-309

[5] Optical flow-based real-time object tracking using non-prior training active feature model [J].

Shin, J ;

Kim, S ;

Kang, S ;

Lee, SW ;

Paik, J ;

Abidi, B ;

Abidi, M .

REAL-TIME IMAGING, 2005, 11 (03) :204-218

[6] Motion detection with nonstationary background [J].

Ying Ren ;

Chin-Seng Chua ;

Yeong-Khing Ho .

Machine Vision and Applications, 2003, 13 :332-343

[7]

Object tracking by asymmetric kernel Mean Shift with automatic scale and orientation selection .2 YILMAZ A. Proc of IEEE Confer-ence on Computer Vision and Pattern Recognition . 2007

← 1 →