论文研究-高斯混合模型结合加权似然的目标跟踪算法.pdf

所需积分/C币:9 2019-09-16 10:56:22 1.48MB .PDF
收藏 收藏
举报

鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵,提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标,然后空间加权似然来进行视频中的目标定位,引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题。通过VOT 2014 dataset对比实验结果表明提出的基于加权似然跟踪(Weighted Likelihood Tracking,WLT)和改进高斯混合模型(Improved Gaussian Mixture Model,IGMM)的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的
计算机工程与应用 当背景变化率发生改变时,学习率也需要进行更 (2)(2 新,当前所有的都是设置固定的学习率,且多为整数倍 f(In, y,h) 学习率,在此使用当前视频帧产生的分数阶导数作为学 (a, -y) H(x,-y 小率的常数因子,因为这样是实时根据当前帧的实际运 就是xn与y的马哈拉诺比斯距离,其中对角协方 动速度来调整学习率分数阶导数是一个之间的差短阵 个小数,在t时刻学习率就在,之间,这样比较符 H=diagih,h) 合客观情况,使川公式()来确定当前帧运动目标的快 慢情况,具体如公式()所示 其中核函数有这样一个特性,离中心越近权重越 人,离椭圆边界越近权重越小,在椭圆以外为。第n个 像素的对数似然为: a1-1,K=K1-1 十t y/+1(1-1-(-1x2:() In 2T,N(, /Lk,E) 其中F为 函数,v为分数阶数导数关于分数阶其中x表示第k个组成部分在高斯混合模型中的比 导数的相关理论,可参照参考文献和。本次实重,必须满足∑x=1,表示平均向量,k=1,2,… 验数据v=0.7,=2.4,p(O)=0.1到此可检测出视频中 K。于是可定义关于该椭圆中心的加权对数似然函数为 运动目标的基木轮廓为后期的日标跟踪确定跟踪对象。 目标的特征表示 (,(y).xp,2)=>n(y)L 由丁目标多样且状念不同,丁是在“前軌中使用使其中N是像素个数,(y)为该像素在模型中的重要 用一个椭圆来表示感兴趣的目标。根据文献中思想程度。核函数的负方向导数定义为 有以下主要概念,对于每一帧包含基本位置向量、基本 方向向量以及其他关节方向向量等维特征。每个动 dk(f(:,y, n=2A, (y)g(f(am. y h) d 作p,=(n,a2,…,a2表示在维空间中的一个关节,其中 其中a是第i帧图像的第j个欧拉角度。另外还包含 g(x)= 维基本的位置和基本方向向量,计算第帧与第j帧 (1)(1)(2)(2 之间的距离定义为: 1n(y)= dy=api+BD 其中a和β为常数,p、D分别为第帧与第j帧之间 对y求导可得: 的欧拉距离和向量差值。于是第帧的速度可表示为 dl An(y)g(f(xu, y, h)L y )+…+(a2+1.56-a25),d 通过公式()对公式()求导后,假设等于求得 其中A是第i帧视频的椭圆内位置离中心位置y的平 rng(f(ru,y, h) 均距离。 g(f(xn,y, h)) 基于空间加杈似然的标跟踪 基于空间加权似然算法首先利用最大似然准则对 改进后运动目标的椭圆中心位置更新公式为 多尺度运动目标跟踪问题进行概率选择,通过融合多个 方向、尺度的空间信息,有效地抑制了遮挡现象或者速 xg(f(xn,yh)Ln、t 度过快过慢给跟踪结果造成的障碍。在此假如有多个 g(f(ru, yeld, h) H标则仗用多个椭圆,跟踪主要H标时使用了椭圆的长 其屮t为连续两帧的时间差,·般电视为() 半轴短半轴、中心位置;在此要分别使用h=[h,h 于是连续两帧的时间差设置为t=25ps。其中?为公 y表示。在当前帧中第n个像素的坐标表示为xn=式()中第帧的速度。 x,x以及对应的灰度值使用In表示。对于每个像 素都拥有一个权重cn(y),并使用一个核函数k来覆 Ln′=ln(Bx>xN(n,A,∑)=1nB+Ln( 盖该椭圆。 其中B是一个归一化因子使得以下公式成立 W(y)=k((n,y,h) B 其中 N(Ln2p2∑)≥1,其中n∈(1,2…N) 陈超:高斯混合模型结合加权似然的目标跟踪算法 图像的空间域信息主要包括:颜色、灰度值、边缘等 输出:视频中下一帧的椭圆中心坐标和长、短半轴 信息,但相近的视频帧的信息是连贯或者变化不大,而长度,在视频帧土显示为·个椭圆 空间加权似然函数充分利用图像空间域中的马哈拉诺 比斯距离,本身不受量纲的影响,马哈拉诺比斯距离还 实验结果和性能评价 可以排除枧频帧信息变量之间的相关性的下扰。尤其 实验平台 是对角协方差矩阵,其中核函数有这样一个特性,离中 本实验环境是 系统、 心越近权重越人,离椭圆边界越近权重越小视频图像英特奔腾 )、内存 位操 中的噪声或者运动目标速度过慢,此时的信息具有统计作系统。 高斯性、各通道谱结构相似性和空间低相干性等特点, 仿真实验与结果分析 而空间加权似然基本满足空间一致有色噪声模型,丁是 本次实验主要是针对最近两年成果,即参考文献 符合加权似然函数算法应用条件。从而保了图像。和参考文献的成果做了继对比性实验,所有实验数 信息的强度和可信度来提高算法的可靠性和有效性 据是 元基于和 的山标跟踪 为保证算法的有效性和稳定性,在此选择的运动H标的 为了适应目标跟踪的需要在此对公式(关于h速度有快有慢,其中数据集名称分别为 求导可得 分別针对每个数据集的前 帧视频中最人运动面积的运动目标进行检测和跟踪。 复杂背景下的目标跟踪 第·段视频是海洋世界屮的·段视频,特点是背景 物体多样,每糸鱼游动都会引起水波发生微小变化,于 令公式()为: 是就导致背景的复杂性,使用改进后的算法进行跟踪 由于实验图片太多,在此只展示前帧的跟踪效果如图 h=∑2g(/xn, y, h-x2) ()所示 可解出 h new=how(y)=hclck((n, y, h)= ∑2g( f(a y, h)x0-x2)点 f(xn,y, h)( 基于空间加权似然算法结合 的目标跟踪算 法可以比较完整且精确地跟踪运动目标。 基于和 的口标跟踪步骤 输入:读入视频图像x(1,x(2),…,r(N)。 步骤使用改进后的高斯混合模型检测出运动目 标的轮廓作为跟踪的对象 步骤初始化模型,在第一帧图像的指定感兴趣日 标并使用一个椭圆表示,把第一帧图像作为静态背景并 求出均值、方差、协方差等信息,从而得到高斯混合模型 需要的所有初始参数 步骤在当前帧中选择运动面积最人的目标作为 感兴趣目标,并保存检测出来的所有运动信息。 步骤模型参数更新及背景佔计分割感兴趣目标。 步骤从第帧开始对感兴趣目标进行跟踪。 步骤使用公式()更新当前帧中椭圆的中心 位置y。 步骤使用公式()更新当前帧中椭圆的长、短()当前帧图像 提取 ()感兴趣运动 半轴 的背景 目标 步骤直到跟踪到N帧视频图像结東 图复杂背景下的月标跟踪效果图 计算机工程与应用 由实验结果可知:整个视频的背景较为复杂,使用 改进后的算法跟踪鱼的时候几乎都把目标标识在椭圆 中,具体数值比较见第章性能评价 复杂背景下的 H标跟踪 第二段视频是人物挥动右手的一段祧频,特点是背 杲变化不是特别迅速,然而挥动右手的速度时快时慢 挥动上下幅度、左右幅度都不尽相同,自由性特别强,使 川改进后的算法跟踪后,前帧效果如绺所示 )当前帧图像 提取 ()感兴趣运动 的背景 目标 图 ∏标跟踪效果图 在桁圆中,具体数值比较见第章性能评价。 目标跟踪 第四段视频是球体目标运动的一段视颊,特点是背 景几乎没有变化,只是光线有些许变化,这个球体的颜 色是恒定的,灰度值几乎也是恒定的,主要在于它滚动 ()当前帧图像 提取 )感兴趣运动的方向很随机,而且时快时慢,使用改进后的算法跟踪 的背景 目标 后,前帧效果如图所示。 图复朵背景下目标跟踪效果图 实验结果可知:整个视频的背景较为稳定,使用改 山实验结果可知:整个视频的背景较为稳定,使用进后的算法跟踪球体目标的时候可以实现很好的跟踪, 收进后的算法跟踪人物挥动的右手的时候几乎都把运县体数值比较见第亭性能评价。 动主体部分标识在椭圆中,只体数值比较见第章性能 日标跟踪 评价。 第五段视频是一个妇女从盖有车罩的汽车旁边经 目标跟踪 过的的一段视频,特点是背景大体只是该妇女经过车身 第三段视频是两个慢跑者运动的一段视频,特点是的时候,山于车罩是反光材料制作的,所以光线变化较 背景较为单一,但出现了两个目标相隔太近,此时把她人同时该妇女走动的姿势变化较大,幅度也大,使用改 们视为一个运动目标进行跟踪和检测,使用改进后的算进后的算法跟踪后,前帧效果如图所示。 法跟踪后,前帧效果如佟所示。 实验结果可知:使用改进后的算法跟踪运动的行人 实验结果可知:整个视频的背景较为稳定,使用改目标的时候可以实现很好的跟踪,具体数值比较见第 进后的算法跟踪两个慢跑者的吋候几乎都把目标标识章性能评价 陈超:高斯混合模型结合加权似然的目标跟踪算法 ()当前帧图像 提取 )感兴趣运动 )当前帧图像 提取 感兴趣运动 的背景 目标 的背景 目标 图 日标跟踪效果图 标跟踪效果图 性能评价 位置最初误差设置为,同时跟踪目标时该椭圆尺寸 跟踪视频中运动目标的糈度比较 误差在最初设定为椭圆长半轴和短半轴一半(即)。 参考文献(基于空间加权似然的高斯混合高斯由于数据很多在此选择 和 两段视频的目标 模型进行可视化目标跟踪)和参考文献(基于改进混跟踪的椭圆中心位置、椭圆长短半轴和椭圆大小误差展 合高斯模型的跟踪箅法实现多目标跟踪算法)的成果做示如表所示: 了对比性实验,针对跟踪目标位置椭圆中心位置、椭圆 表跟踪第一段视频的中心坐标位置误差 长短半轴和椭圆大小等参数在归一化坐标上进行了对 帧文献算法文献算法改进后算法 比。相关参数如图所示 第 第帧 第帧 椭圆短半轴 第帧 表跟踪第一段视频的的椭圆长短半轴误差 椭圆长半轴 帧文献箅法文献算法改进后算法 中心坐标位置 第帧 图跟踪参数示意图 第帧 也对比了时间复杂度和空间复杂度两个重要的参 第二段视频(复杂背景下的不类型的多行人目标检 考指标。因此使用椭圆对日标进行跟踪时中心坐标测)中对四个行人跟踪的椭圆中心位置、椭圆长短半轴 计算机工程与应用 表跟踪第段视颎的的椭圆尺寸误差 销时间有初始化高斯混合模型的时间、提取最大面积的 吹文献算法文献算法改进后算法 运动目标的时间、跟踪运动目标的时间、分割运动目标 第帧 的时间、整个过程所有的实验结果都直接写入磁盘需要 的时间等,对比文献和算法的时间见表。 第帧 表跟踪每段视频所需要的时间 算法 表跟踪第二段视颍的的中心坐标僮置误差 文献 献 吠文献算法文献算法改进后算法 第帧 第帧 在前期使用了分数阶导数来改进高斯混合模型,因 第帧 为这样是实时根据当前帧的实际运动速度来调整学习 第帧 率的,得到了跟踪的目标,而此时的目标是关键的边缘 特征,这个特征是比较问题,而且可以框定跟踪目标的 表跟踪第二段视频的的椭园长短半轴误差 基本轮廓,同时含有的数据量较少,为后期的空间最人 文献算法文献算法改进后算法 似然跟踪减少了大量的计算量,从而获得较好的实时性 效果。 第帧 跟踪和分割视频帧中运动目标空间复杂度 比较 空间复杂度是对一个算法在运行过程中临时占用 表跟踪第二段视频的的椭圆尺寸误差 存储空间大小的量度。一个算法在计算机存储器上所 文献算法文献算法改进后算法 占用的存储空间,包括存储算法本身所占的存储空间, 算法的输入输出数据所占用的存储空间和算法在运行 第帧 过程中临时占用的存储空间这三个方面。改进后的 第帧 算法没有添加太多的代码,只是在算法内部椭圆跟踪中 第帧 根据运动信息调整了运动目标的位置,因此存储算法本 身所占用的存储空间没有增加。输入输出数据所占用 和人小误差如表所示 的存储空间和其他算法完全一样,都是输入同样的视频 在本次对比性实验中,取得了良好的跟踪效果原图像帧,输出都是跟踪的目标和检测到的图像目标,所 因分析如下:第一,图像的空间域信息主要包括:颜色、以输入输出数据所占用的存储空间没有增加。运行过 灰度值、边缘等信息,但相近的视频帧的信息是连贯或程中临时占用的存储空间与其他算法相比较没有增加, 者变化不大,此时很好地利用了这些信息来对下总体来说没有增加空间复杂度 帧进行估计。第二,在估计阶段,在视频帧中信噪比 鲁棒性分析 越大,则该信息在似然函数中所占的比重就应当越大, 在以上伤真实验中,所有数据在实现目标跟踪的过 反之就越小;利用空间信息的连续性很好地指导了预测程中没有出现不稳定现象,在实验的前帧没有出现 的方向,使得跟踪效果较好。 过拟合现象,只有在跟踪后期可能岀现跟踪H标位置不 跟踪和分割视频帧中运动目标的时间复杂精准,导致检测出其他的目标,因此改进后的算法具有 度比较 较好的鲁棒性。 计算机箅法复杂性的衠量标准是该算法完成相应 功能时所需要消耗的计算机资源的多少,主要包括时间 结束语 和空间两个部分,即时间复杂性和空间复杂性两个部分 鉴于当前算法对背景变化快、日标跟踪的适应性差 枃成。改进后的算法在检测目标时,没有增加颛外时等瑕疵提出了基亍和的运动目标跟踪算 间开销,且有·定时间的减少,就是在普通的计算机上法。主要引入了空间加权似然来进行视频中的目标定 即可完成实验。在上述数据集检测时没有出现数量级位,引入期望值最大化来改进高斯混合模型来处理视频 的增加,所以没有增加时间复东度。 中的多尺度、多角度变化的目标跟踪不精准问题。针对 随机选取段视频进行跟踪,每段视频提取得到的五种不同背景,不同运动H标的情况做了对比性实验, 视频帧介于 帧之间,在跟踪和检测时主要的花结果表明改进后的算法较当前的经典的跟踪算法在跟 计算机工程与应用 陈超:高斯混合模型结合加权似然的目标跟踪算法 踪的精度有较大提高,尤其在应对多尺度、多角度变化 的目标跟踪表现出了较大的优势。 参考文献: 孙健,向伟,谭舒昆改进的核相关滤波跟踪算法计算 札工程与应用 张晶,王旭,范洪博自适应学习的时空上下文标跟踪 算法计算机工程,,(): 李昌,宋杰自适应模态选择的鲁棒目标跟踪方法计 算机科学与择索 (): 张鹏,鲍明,冯大航,等加权最大似然波达方向估计算法 及其应用研究声学学报, 王哓东计算机算法设计与分析版北京:电子工业 出版社

...展开详情
试读 8P 论文研究-高斯混合模型结合加权似然的目标跟踪算法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    weixin_38744270 欢迎大家使用并留下宝贵意见
    2019-09-16
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-高斯混合模型结合加权似然的目标跟踪算法.pdf 9积分/C币 立即下载
    1/8
    论文研究-高斯混合模型结合加权似然的目标跟踪算法.pdf第1页
    论文研究-高斯混合模型结合加权似然的目标跟踪算法.pdf第2页
    论文研究-高斯混合模型结合加权似然的目标跟踪算法.pdf第3页

    试读已结束,剩余5页未读...

    9积分/C币 立即下载 >