基于多特征融合的均值迁移粒子滤波跟踪算法

被引：33

作者：

李远征 ^{[1
,2
]}

卢朝阳 ^{[1
]}

高全学 ^{[1
]}

李静 ^{[1
]}

机构：

[1] 西安电子科技大学综合业务网国家重点实验室

[2] 西安科技大学通信与信息工程学院

来源：

电子与信息学报 | 2010年 / 32卷 / 02期

关键词：

目标跟踪; 多特征融合; 粒子滤波; 均值迁移; 局部二值模式;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

仅用单一的颜色特征进行跟踪是大多数跟踪算法鲁棒性不高的主要原因。针对此问题,该文提出一种多特征融合跟踪算法。该算法利用颜色和纹理特征表示目标,通过均值迁移和粒子滤波算法进行特征融合,有效地避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。将两种常用的融合策略结合,减轻了粒子的退化现象,提高了算法效率。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。

引用

页码：411 / 415

页数：5

共 5 条

[1] 基于融合策略自适应的多线索跟踪方法 [J].

钟小品 ;

薛建儒 ;

郑南宁 ;

平林江 .

电子与信息学报, 2007, (05) :1017-1022

[2] 复杂环境下基于自适应粒子滤波器的目标跟踪 [J].

常发亮 ;

马丽 ;

刘增晓 ;

乔谊正 .

电子学报, 2006, (12) :2150-2153

[3]

Hybrid particle filter andmean shift tracker with adaptive transition model .2 Maggio Emilio,Cavallaro Andrea. . 2005

[4]

Dynamic Texture RecognitionUsing Local Binary Patterns with an Application to FacialExpressions .2 Zhao Guoying,Matti Pietik inen. IEEE Transactions on Pattern Analysis and Machineintelligence . 2007

[5]

Camshift guided particle filter forvisual tracking .2 Wang Zhao-wen,Yang Xiao-kang,Xu Yi,et al. IEEE Workshop on Signal Processing Systems . 2007

← 1 →