發(fā)布時間：2018-06-03 08:12

  本文選題：目標(biāo)追蹤 + 信息融合��； 參考：《西北工業(yè)大學(xué)學(xué)報(bào)》2017年01期

【摘要】：針對視頻跟蹤過程中目標(biāo)的形變、遮擋、旋轉(zhuǎn)和背景干擾問題,提出一種融合超像素與動態(tài)圖匹配的視頻跟蹤方法。首先,采用融合局部熵特征的簡單線性迭代聚類(simple linear iterative clustering,SLIC)方法經(jīng)聚類分析生成超像素集合,使生成的超像素邊緣貼合度更好。其次,采用圖像分割(graph cuts)方法生成候選目標(biāo)超像素集合,并融合在線支持向量機(jī)學(xué)習(xí)算法(online SVM learning algorithm,LASVM)分類預(yù)測結(jié)果,使前景與背景分離的準(zhǔn)確度更高。然后,充分利用目標(biāo)的幾何結(jié)構(gòu)信息構(gòu)建基于圖模型的相似度矩陣,解決目標(biāo)的形變和遮擋問題。理論分析與仿真結(jié)果表明:相比現(xiàn)有其他視頻跟蹤方法,新方法對跟蹤過程中的遮擋和形變情況具有較強(qiáng)的魯棒性,對一定程度的背景干擾和旋轉(zhuǎn)問題跟蹤效果良好。
[Abstract]:Aiming at the problems of deformation, occlusion, rotation and background interference in video tracking, a video tracking method combining hyperpixel and dynamic image matching is proposed. Firstly, a simple linear iterative clustering method, is used to generate the super-pixel set by clustering analysis, which makes the edge sticking degree of the generated super-pixel better. Secondly, the image segmentation algorithm is used to generate candidate target super-pixel set, and the online support vector machine learning algorithm online SVM learning algorithm LASVMM-based classification and prediction results are fused to improve the accuracy of foreground and background separation. Then, the similarity matrix based on graph model is constructed by making full use of the geometric structure information of the target to solve the problem of deformation and occlusion of the target. Theoretical analysis and simulation results show that compared with other video tracking methods, the new method is robust to the occlusion and deformation in the tracking process, and has a good tracking effect to some extent of background interference and rotation.
【作者單位】： 西北工業(yè)大學(xué)電子信息學(xué)院;光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室;
【基金】：光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室和航空科學(xué)基金(2016515303)資助
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃立新;張明謙;;視頻跟蹤系統(tǒng)模型研究[J];艦船科學(xué)技術(shù);2006年S1期

2 趙孔新;李金岳;許蘭;;視頻跟蹤系統(tǒng)中雙運(yùn)動目標(biāo)間的角度測量[J];雷達(dá)科學(xué)與技術(shù);2007年06期

3 謝方方;楊文飛;韓月霞;崔靜;于越;;基于System Generator的快速視頻跟蹤系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年01期

4 龍?jiān)俸?朱永平,陳惠紅,周連芳;視頻跟蹤-計(jì)算機(jī)自動分析的小鼠條件性位置偏愛實(shí)驗(yàn)系統(tǒng)的構(gòu)建[J];浙江大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2004年06期

5 胡宏宇;王殿海;孫迪;;基于視頻跟蹤方法的行人過街狀態(tài)表達(dá)與分析[J];交通信息與安全;2009年03期

6 吳海城;陸松年;;多目標(biāo)視頻跟蹤技術(shù)的研究[J];信息技術(shù);2009年07期

7 吳諾;;視頻跟蹤算法在安防輔助定位中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2011年05期

8 夏瑜;吳小俊;;球粒子濾波視頻跟蹤算法[J];模式識別與人工智能;2012年03期

9 劉先志,戴軍,宋凌英;電視紅外視頻跟蹤模塊[J];光學(xué)與光電技術(shù);2004年06期

10 金剛石;呂宏宇;劉立志;;基于坐標(biāo)變換的視頻跟蹤誤差角的計(jì)算方法[J];激光與紅外;2011年04期

相關(guān)會議論文 前6條

1 王立琦;陳海云;燕小強(qiáng);;一種改進(jìn)的粒子濾波視頻跟蹤算法[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

2 茹琦;彭志紅;張娟;陳遜;;基于SB/MHT的多目標(biāo)視頻跟蹤的研究[A];第二十九屆中國控制會議論文集[C];2010年

3 趙宇宙;朱明清;陳宗海;;視頻跟蹤中的局部區(qū)域差異性特征模型研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

4 仝明磊;韓紅;;隨機(jī)字典的粒子濾波視頻跟蹤[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

5 王松浩;王大珊;;基于一種改進(jìn)視頻跟蹤算法的交通參數(shù)提取方法研究[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 郭練;周凱;劉富強(qiáng);;全程視頻跟蹤在智能建筑內(nèi)的應(yīng)用[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

相關(guān)博士學(xué)位論文 前6條

1 崔光民;基于多攝像機(jī)的智能視頻跟蹤研究[D];華中科技大學(xué);2015年

2 樊振華;基于特征協(xié)方差和粒子濾波的視頻跟蹤算法研究[D];西安電子科技大學(xué);2015年

3 劉鎮(zhèn)_";面向視頻跟蹤系統(tǒng)的關(guān)鍵算法和動態(tài)可重構(gòu)硬件架構(gòu)研究[D];西安電子科技大學(xué);2014年

4 韓華;基于改進(jìn)粒子濾波算法的多目標(biāo)智能視頻跟蹤研究[D];東華大學(xué);2012年

5 周毅;圖像監(jiān)控中的視頻跟蹤方法的研究[D];上海交通大學(xué);2012年

6 張燦龍;基于多區(qū)域聯(lián)合決策的視頻跟蹤方法研究[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 宋平;基于粒子濾波的目標(biāo)跟蹤的算法研究[D];遼寧大學(xué);2015年

2 陳龍;基于DM642視頻跟蹤的無人機(jī)群控單元研究[D];南京理工大學(xué);2015年

3 代兵云;基于角點(diǎn)和surf特征的目標(biāo)尺度自適應(yīng)研究[D];山東大學(xué);2015年

4 賈龍飛;視頻流中人臉實(shí)時跟蹤[D];電子科技大學(xué);2014年

5 馮亮;機(jī)器視覺技術(shù)的視頻跟蹤系統(tǒng)研究及FPGA實(shí)現(xiàn)[D];貴州大學(xué);2015年

6 金瑋;基于潛在子空間投影追蹤的魯棒視頻跟蹤方法[D];大連理工大學(xué);2015年

7 王曉敏;智能交通中視頻跟蹤技術(shù)的研究[D];天津職業(yè)技術(shù)師范大學(xué);2016年

8 蘆丹;基于局部表示的視頻跟蹤算法研究[D];太原科技大學(xué);2015年

9 孫彬;基于編碼優(yōu)化及情景感知的智能視頻跟蹤算法研究[D];山東大學(xué);2016年

10 焦向忱;基于時空上下文信息的視頻跟蹤方法研究[D];遼寧大學(xué);2016年

，

本文編號：1972097