本文選題：在線視覺跟蹤 + 協(xié)作外觀模型��； 參考：《電子學(xué)報(bào)》2017年02期

【摘要】：在不受限制的復(fù)雜環(huán)境中在線跟蹤任意類型的感興趣目標(biāo)仍是一項(xiàng)極具挑戰(zhàn)的難題.本文在無模型跟蹤框架基礎(chǔ)上提出一種基于改進(jìn)協(xié)作目標(biāo)外觀模型的在線視覺跟蹤方法,解決了大多數(shù)協(xié)作模型類跟蹤算法在學(xué)習(xí)階段無法有效選擇正、負(fù)樣本的問題.該方法根據(jù)人類視覺感知準(zhǔn)則將目標(biāo)邊緣信息視為最具區(qū)分度的目標(biāo)特征,提出邊緣判別模型并結(jié)合動(dòng)態(tài)模型和檢測(cè)模塊建立二級(jí)似然匹配空間,為生成模型的似然匹配去除了背景干擾;采用分塊策略建立目標(biāo)生成模型,為模型引入空間結(jié)構(gòu)信息;利用Mean-Shift計(jì)算各子塊的最終位置和匹配系數(shù),并根據(jù)子塊匹配系數(shù)為遮擋處理和模型更新提供依據(jù).在公開視頻序列上同幾種流行視覺跟蹤算法的對(duì)比實(shí)驗(yàn)結(jié)果證明了本文算法的有效性和優(yōu)越性.
[Abstract]:Tracking arbitrary types of objects of interest online in an unrestricted and complex environment remains a challenging challenge. In this paper, an online visual tracking method based on improved collaborative object appearance model is proposed on the basis of model-free tracking framework, which solves the problem that most collaborative model class tracking algorithms can not effectively select positive and negative samples in the learning phase. According to the human visual perception criterion, the target edge information is regarded as the most discriminative target feature, and the edge discriminant model is proposed and combined with the dynamic model and the detection module to establish the two-level likelihood matching space. The background interference is removed for the likelihood matching of the generated model, the target generation model is established by block strategy, the spatial structure information is introduced into the model, and the final location and matching coefficient of each sub-block are calculated by Mean-Shift. According to the subblock matching coefficient, it provides the basis for occlusion processing and model updating. The effectiveness and superiority of this algorithm are proved by comparing with several popular visual tracking algorithms on open video sequences.
【作者單位】： 信息工程大學(xué)信息系統(tǒng)工程學(xué)院;南京理工大學(xué)自動(dòng)化學(xué)院;
【基金】：國家科技重大專項(xiàng)(No.2014ZX03006003)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史衛(wèi)民;王慶敏;劉秋紅;陳勇;姚永杰;;視覺跟蹤技術(shù)及其應(yīng)用的研究進(jìn)展[J];海軍醫(yī)學(xué)雜志;2014年01期

2 侯志強(qiáng);韓崇昭;;視覺跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2006年04期

3 王哲;;視覺跟蹤 用眼睛使用的“鼠標(biāo)”[J];電腦愛好者;2007年07期

4 張進(jìn);;視覺跟蹤技術(shù)發(fā)展和難點(diǎn)問題的分析[J];信息技術(shù)與信息化;2008年06期

5 李谷全;陳忠澤;;視覺跟蹤技術(shù)研究現(xiàn)狀及其展望[J];計(jì)算機(jī)應(yīng)用研究;2010年08期

6 劉鐵根,蔡懷宇,張以謨,路登平,胡繩蓀,張鳳林;一種埋弧焊視覺跟蹤系統(tǒng)(英文)[J];光電工程;1999年06期

7 李偉;吳瑰麗;王猛;;視覺跟蹤算法的研究進(jìn)展[J];石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年03期

8 劉洋;李玉山;張大樸;邱家濤;;基于動(dòng)態(tài)目標(biāo)建模的粒子濾波視覺跟蹤算法[J];光子學(xué)報(bào);2008年02期

9 張國亮;謝宗武;蔣再男;王捷;劉宏;;模糊化多視覺信息融合的視覺跟蹤策略[J];西安交通大學(xué)學(xué)報(bào);2009年08期

10 楊戈;劉宏;;視覺跟蹤算法綜述[J];智能系統(tǒng)學(xué)報(bào);2010年02期

相關(guān)會(huì)議論文 前2條

1 呂玉生;趙杰煜;;具有視覺跟蹤的中英文語音動(dòng)畫系統(tǒng)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

2 李善青;賈云得;柳陽;;一種用于穿戴計(jì)算的指示手勢(shì)視覺跟蹤方法[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

相關(guān)博士學(xué)位論文 前9條

1 王法勝;復(fù)雜場(chǎng)景下的單目標(biāo)視覺跟蹤算法研究[D];大連海事大學(xué);2014年

2 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 王其聰;復(fù)雜觀測(cè)條件下的基于粒子濾波的視覺跟蹤[D];浙江大學(xué);2007年

4 夏瑜;視覺跟蹤新方法及其應(yīng)用研究[D];江南大學(xué);2013年

5 王芳林;穩(wěn)健視覺跟蹤算法中的關(guān)鍵問題研究[D];上海交通大學(xué);2009年

6 溫靜;基于張量子空間學(xué)習(xí)的視覺跟蹤方法研究[D];西安電子科技大學(xué);2010年

7 蘇潔;光照變化下的視覺跟蹤算法研究[D];哈爾濱工程大學(xué);2010年

8 王棟;基于線性表示模型的在線視覺跟蹤算法研究[D];大連理工大學(xué);2013年

9 代江華;粒子濾波架構(gòu)下視覺目標(biāo)跟蹤相關(guān)技術(shù)研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 郭標(biāo);焊縫視覺跟蹤系統(tǒng)設(shè)計(jì)[D];西南交通大學(xué);2015年

2 張瑞;基于貝葉斯估計(jì)的視覺跟蹤算法研究[D];福建師范大學(xué);2015年

3 祝寶龍;基于視覺跟蹤技術(shù)的眼控鼠標(biāo)研究[D];哈爾濱工業(yè)大學(xué);2015年

4 劉養(yǎng)彪;運(yùn)動(dòng)模糊下的視覺跟蹤算法研究[D];北京理工大學(xué);2015年

5 向秀娟;基于視覺跟蹤的移動(dòng)機(jī)器人定位研究[D];新疆大學(xué);2015年

6 張勁;基于在線隱變量支持向量機(jī)的尺度自適應(yīng)視覺跟蹤[D];西安電子科技大學(xué);2014年

7 范曲;復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的視覺跟蹤方法研究[D];重慶大學(xué);2015年

8 孟凡帥;面向物料輸送過程狀態(tài)監(jiān)控與故障報(bào)警的視覺跟蹤技術(shù)的研究[D];河北工業(yè)大學(xué);2015年

9 張欣;基于粒子濾波的視覺跟蹤算法的FPGA實(shí)現(xiàn)[D];北京理工大學(xué);2016年

10 黃梁華;基于張量表達(dá)的視覺跟蹤算法研究[D];北京理工大學(xué);2016年

，

本文編號(hào)：1963185