本文關(guān)鍵詞：基于軟特征理論的目標(biāo)跟蹤研究

  更多相關(guān)文章： 目標(biāo)跟蹤 軟特征 邊緣譜帶 空間譜帶 前趨預(yù)測

【摘要】：針對目標(biāo)跟蹤過程中遮擋、形狀與尺度變化導(dǎo)致目標(biāo)易丟失的問題,提出了一種新的基于軟特征(Soft Feature,SF)的目標(biāo)前趨預(yù)測跟蹤方法.該方法首先在視頻圖像中選取待跟蹤目標(biāo)區(qū)域,統(tǒng)計目標(biāo)區(qū)域內(nèi)的初始像素點,計算初始像素相鄰時域圖像中與其具有相同變化強度的像素點,濾掉分散的像素點并標(biāo)記像素群;然后將離散的像素群質(zhì)心坐標(biāo)擬合成時域軌跡,計算時域軌跡的空間譜帶和邊緣譜帶,合并譜帶信息中具有可微分的相同變化強度的頻率,得到軟特征信息及軟特征約束模型;最后,根據(jù)軟特征及其約束模型對視頻中運動目標(biāo)進行跟蹤,并以前趨沖擊強度對目標(biāo)運動狀態(tài)和軟特征進行前趨預(yù)測,限定目標(biāo)檢測范圍并得到預(yù)測特征,以此實現(xiàn)目標(biāo)前趨預(yù)測跟蹤.該方法抓住了目標(biāo)在形變過程中其前景區(qū)域的灰度特征具有可微分的同頻率變化的顯著特點,這是目標(biāo)區(qū)別于復(fù)雜背景以及對形變目標(biāo)進行長時間穩(wěn)定跟蹤(Long-term Tracking)的重要信息源.軟特征的提取可以有效凸顯目標(biāo)區(qū)域和前趨信息,同時能有效抑制干擾信息.實驗結(jié)果表明,軟特征跟蹤方法不僅可以克服遮擋、形狀和尺度變化對目標(biāo)跟蹤的影響,而且具有較高的實時性、準(zhǔn)確性和魯棒性能.與現(xiàn)有的跟蹤方法(State-ofthe-art Trackers)相比,軟特征理論具有以下優(yōu)點:采用軟特征跟蹤運動目標(biāo),對目標(biāo)形狀變化和尺度伸縮問題具有很好的抗干擾性;采用前趨沖擊強度對目標(biāo)前趨進行預(yù)測,可以有效解決因遮擋而導(dǎo)致目標(biāo)丟失的問題;由于目標(biāo)檢測范圍較小,軟特征數(shù)據(jù)量較低,無需存儲目標(biāo)姿態(tài)模型,其計算復(fù)雜度和空間復(fù)雜度較低,跟蹤速度較快.
【作者單位】： 遼寧工程技術(shù)大學(xué)軟件學(xué)院;遼寧工程技術(shù)大學(xué)研究生院;
【關(guān)鍵詞】： 目標(biāo)跟蹤 軟特征 邊緣譜帶 空間譜帶 前趨預(yù)測
【基金】：國家自然科學(xué)基金(61172144) 國家“八六三”高技術(shù)研究發(fā)展計劃項目子課題(13-2025) 遼寧省科技攻關(guān)計劃項目(2012216026)資助
【分類號】：TP391.41
【正文快照】：

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 付毅;吳澤民;田暢;曾明勇;揭斐然;;場景自適應(yīng)的跟蹤特征選擇機制研究[J];光學(xué)技術(shù);2014年06期

2 張鳳軍;趙嶺;安國成;王宏安;戴國忠;;一種尺度自適應(yīng)的Mean Shift跟蹤算法[J];計算機研究與發(fā)展;2014年01期

3 江曉蓮;李翠華;李雄宗;;基于視覺顯著性的兩階段采樣突變目標(biāo)跟蹤算法[J];自動化學(xué)報;2014年06期

4 閆小喜;韓崇昭;;基于雜波強度在線估計的多目標(biāo)跟蹤算法[J];控制與決策;2012年04期

5 呂學(xué)斌;周群彪;陳正茂;熊運余;蔡葵;;高斯混合概率假設(shè)密度濾波器在多目標(biāo)跟蹤中的應(yīng)用[J];計算機學(xué)報;2012年02期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳海燕;張愛華;胡世亞;;基于紋理顏色模型的高原鼠兔突變運動跟蹤[J];農(nóng)業(yè)工程學(xué)報;2016年11期

2 龔暢;王華君;李榮;徐平平;;基于狀態(tài)依賴檢測的視頻運動目標(biāo)軌跡跟蹤算法[J];現(xiàn)代電子技術(shù);2016年07期

3 姜文濤;劉萬軍;袁Y，

本文編號：1006173