本文選題：機(jī)器視覺 + 目標(biāo)跟蹤�。� 參考：《光學(xué)學(xué)報(bào)》2017年08期

【摘要】：視頻跟蹤中,使用單一特征對(duì)目標(biāo)進(jìn)行描述難以適應(yīng)復(fù)雜場(chǎng)景的變化,目標(biāo)的尺度變化、形變、遮擋等因素易導(dǎo)致跟蹤失敗。為提高跟蹤的穩(wěn)健性,基于核循環(huán)結(jié)構(gòu),提出一種自適應(yīng)特征融合和模型更新的跟蹤方法,并引入尺度更新機(jī)制。首先利用目標(biāo)的灰度特征和局部二值模式特征分別計(jì)算濾波響應(yīng)圖,依據(jù)響應(yīng)圖的峰值旁瓣比(PSR)自適應(yīng)地分配權(quán)值并加權(quán)融合,從而估計(jì)目標(biāo)的最佳位置。然后根據(jù)融合后響應(yīng)圖的PSR來判斷跟蹤質(zhì)量,據(jù)此決定是否更新模型。最后在目標(biāo)位置周圍提取方向梯度直方圖特征構(gòu)建尺度金字塔,訓(xùn)練尺度相關(guān)濾波器,用來估計(jì)目標(biāo)的最佳尺度。實(shí)驗(yàn)選取標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集中具有光照變化,遮擋和尺度變化的視頻序列進(jìn)行實(shí)驗(yàn),結(jié)果表明,該算法能夠?qū)崿F(xiàn)對(duì)目標(biāo)的穩(wěn)定跟蹤,并且在距離精度和成功率上均優(yōu)于對(duì)比算法。
[Abstract]:In video tracking, the use of a single feature to describe the target is difficult to adapt to the changes in the complex scene. The scale change, deformation and occlusion of the target are easy to lead to the failure of the tracking. In order to improve the robustness of the tracking, a tracking method of adaptive feature fusion and model updating is proposed based on the kernel loop structure, and the scale updating mechanism is introduced. Firstly, the filter response graph is calculated by the gray feature of the target and the feature of the local two value mode. The optimal location of the target is estimated according to the peak sidelobe ratio (PSR) of the response map, and then the optimal position of the target is estimated. Then the tracking quality is judged according to the PSR of the fusion response map, and the model is updated. Finally, the model is determined. The direction gradient histogram is extracted from the target location to construct the scale Pyramid, and the scale correlation filter is trained to estimate the optimal scale of the target. The experiment selects the standard test data set to experiment with the illumination change, the occlusion and the scale change video sequences. The results show that the algorithm can achieve the stable tracking of the target. And the distance accuracy and success rate are better than the contrast algorithm.

【作者單位】： 南京理工大學(xué)自動(dòng)化學(xué)院;
【基金】：江蘇省博士后科研資助計(jì)劃(1601181B)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 於東軍,趙海濤,楊靜宇;人臉識(shí)別:一種基于特征融合及神經(jīng)網(wǎng)絡(luò)的方法(英文)[J];系統(tǒng)仿真學(xué)報(bào);2005年05期

2 周斌;林喜榮;賈惠波;周永冠;;量化層多生物特征融合的最佳權(quán)值[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

3 丁寶亮;;基于局部特征融合的人臉識(shí)別研究[J];中國新技術(shù)新產(chǎn)品;2012年14期

4 劉增榮;余雪麗;李志;;基于特征融合的圖像情感語義識(shí)別研究[J];太原理工大學(xué)學(xué)報(bào);2012年05期

5 黃雙萍;俞龍;衛(wèi)曉欣;;一種異質(zhì)特征融合分類算法[J];電子技術(shù)與軟件工程;2013年02期

6 卞志國;金立左;費(fèi)樹岷;;特征融合與視覺目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用研究;2010年04期

7 韓萍;徐建龍;吳仁彪;;一種新的目標(biāo)跟蹤特征融合方法[J];中國民航大學(xué)學(xué)報(bào);2010年04期

8 何賢江;何維維;左航;;一種句詞五特征融合模型的復(fù)述研究[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2012年06期

9 劉冬梅;;基于特征融合的人臉識(shí)別[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年12期

10 李建科;張輝;趙保軍;張長(zhǎng)水;;彩色分量流形特征融合的人臉識(shí)別[J];北京理工大學(xué)學(xué)報(bào);2014年05期

相關(guān)會(huì)議論文 前5條

1 劉冰;羅熊;劉華平;孫富春;;光學(xué)與深度特征融合在機(jī)器人場(chǎng)景定位中的應(yīng)用[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

2 翟懿奎;甘俊英;曾軍英;;基于特征融合與支持向量機(jī)的偽裝人臉識(shí)別[A];第六屆全國信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

3 卞志國;金立左;費(fèi)樹岷;;基于增量判別分析的特征融合與視覺目標(biāo)跟蹤[A];2009年中國智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

4 韓文靜;李海峰;韓紀(jì)慶;;基于長(zhǎng)短時(shí)特征融合的語音情感識(shí)別方法研究[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

5 孟凡潔;孔祥維;尤新剛;;基于特征融合的相機(jī)來源認(rèn)證方法[A];全國第一屆信號(hào)處理學(xué)術(shù)會(huì)議暨中國高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理分會(huì)籌備工作委員會(huì)第三次工作會(huì)議專刊[C];2007年

相關(guān)博士學(xué)位論文 前8條

1 陳倩;多生物特征融合身份識(shí)別研究[D];浙江大學(xué);2007年

2 蒲曉蓉;多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法[D];電子科技大學(xué);2007年

3 王志芳;基于感知信息的多模態(tài)生物特征融合技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

4 王楠;基于多視覺特征融合的后方車輛檢測(cè)技術(shù)研究[D];東北大學(xué)　;2009年

5 徐穎;基于特征融合與仿生模式的生物特征識(shí)別研究[D];華南理工大學(xué);2013年

6 張艷;基于柔性陣列 傳感器的足跡特征分析與應(yīng)用研究[D];安徽大學(xué);2015年

7 孫興華;基于內(nèi)容的圖像檢索研究[D];南京理工大學(xué);2002年

8 王林泓;熱釋電紅外信號(hào)特征分析及人體識(shí)別方法研究[D];重慶大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 付艷紅;基于特征融合的人臉識(shí)別算法研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

2 許超;基于特征融合與壓縮感知的實(shí)木地板缺陷檢測(cè)方法研究[D];東北林業(yè)大學(xué);2015年

3 楊文婷;基于微博的情感分析算法研究與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

4 梅尚健;基于特征融合的圖像檢索研究與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

5 王鵬飛;基于多慢特征融合的人體行為識(shí)別研究[D];西南大學(xué);2015年

6 薛冰霞;基于多模特征融合的人體跌倒檢測(cè)算法研究[D];山東大學(xué);2015年

7 何樂樂;醫(yī)學(xué)圖像分類中的特征融合與特征學(xué)習(xí)研究[D];電子科技大學(xué);2015年

8 戴博;基于結(jié)構(gòu)復(fù)雜度特征融合的視覺注意模型研究及其應(yīng)用[D];復(fù)旦大學(xué);2014年

9 王寧;基于特征融合的人臉識(shí)別算法[D];東北大學(xué);2013年

10 岳求生;基于特征融合的靜態(tài)圖像行人檢測(cè)[D];長(zhǎng)沙理工大學(xué);2014年

，

本文編號(hào)：1795802