论文研究-基于在线拓扑模型更新的目标跟踪 .pdf

所需积分/C币:5 2019-08-15 17:12:05 543KB .PDF

基于在线拓扑模型更新的目标跟踪,李琼,张宝昌,目标跟踪是人工智能的研究热点之一。传统方法中,基于颜色直方图的目标跟踪易受背景相似颜色的影响,边缘方向直方图(EOH)对于复
国科技论文在线 http:/www.paper.edu.cn 并进行更新。 当遮挡发生时,由于相似程度很小而返回的目标位置会发生偏移,而目标的真实位置便 在遮挡之处,从而造成错误的估计,本文的方法便是针对这点进行改进。当部分窗口发生偏 移时,根据其偏移的位置信息判断是否认定其为目标区域,若否,则根据基准窗口更新部分 窗口位置。跟踪效果较好的窗口会在迭代过程中获得较高的权重,当除基准窗口外的其他窗 满足 ,n>0.5 且有4个以上窗口的中心位置在基准窗口内时,则更新基准窗口位置。 本文使用如下公式计算窗口之间的距离约束: 1=(-p)11+pl 6) 其屮l是指各窗口屮心相对于目标屮心的距离,p是对每个分类器设定的阙值,因为每 个窗口算一个弱分类器,选择每个窗口的置信度为0.5。 802基于har特征的概率滤波 系列har特征弱分类器构成的强分类器,对每个特征窗∏进行跟踪。由于障碍物仅 会岀现在目标周围,因此选择目标周围的个环形区域来辅助判目是香被遞挡,对每·了块 的跟踪是通过匹配实现的,而匹配是在下一帧的预测邻域内进行的。使用灰度图像进行处理, 计算每一子块(除去跟踪窗内四周的子块)与邻域的相似度。跟踪过程屮的一个重要环节就 85是搜索,其窗口的大小为(2M+1)×(2M+1),即以目标中心为基础上下左右分别扩大M个 像素,这里选择M12。在遮挡情况下利用剩余的未被遮挡的子块进行灰度相关匹配和表决。 在复杂背景下使用颜色特征和灰度特征的跟踪性能在性能上不能满足系统要求,因此本 文使用haar特征作为目标特征,通过计算目标的har特征来获得粒子的先验概率。通过对 目标区域邻域内的检测,获得新的正样木和贠样木,对分类器进行训练并返回目标位置。在 90对视频流检测跟踪的同时对分类器进行训练,使其不断升级。 图2搜索范围 Fig 2 scarch scope 图二中绿色框即为搜索蒞闱,红色框标定的窗口的下一位置就在搜索范围内査找。 山国科技论文在线 http:/www.paper.edu.cn 3实验结果及分析 在 woman sequence数据集上进行测试,定义位置误差率(DER)来衡量跟踪精度,即 检测到目标位置与目标实际位置之间的距离与图像大小的比值。 DER d(O(x,y,s),GT(x,y,s)_√xn-xar)2+(yn-Jar)2 8) 其中o(x,y,s)是跟踪结果,GT(x,y,s)是目标位置, area是指背景图像的大小,DER 的值越低,表示跟踪的越准确。 0.35 015 0.1 M个A MA小NA 250 图3本文方法(红色)与粒子滤波(蓝色)的DER对L( woman sequence) 105 Fig 3 DER results of our method(red) with particle filter( blue) 与粒子滤波对比结果显示出,在120帧左右目标进入遮挡状态,可以看出粒子滤波的 跟踪从此时开始发生偏差,而本文方法则可以对被遮挡目标进行较为准确的跟踪。 第9帧 第28帧 第46帧 d.第136帧 e.第155帧 f.第206帧 110 图4粒」滤波跟踪效果图 Fig 4 tracking results of particle fi 4 国科技论文在线 http://www.paper.edu.cn a.第9帧 b.第28帧 c第46帧 d第136帧 e第155帧 f.第206帧 图5本文方法跟踪结果 l15 Fig 5 tracking results of our method 以上分别为对视频中第9,28,46,136,155,206帧的检测结果 0.5 045 04 0.35 03 0.25 0.2 0.15 0.05 200 图6图六本文方法(红色)与粒子滤波(蓝色)的DER 120 Fig 6 DER results of our method(red) with particle filter(blue) 国科技论文在线 http://www.paper.edu.cn a.第57 帧 b.第136帧 c.第156帧 d.第185帧 e第194帧 f第214帧 图7粒子滤波跟踪效果图 Fig 7 tracking results of particle filter 125 a.第57帧 b.第136帧 c第156帧 d第185帧 第194帧 f第214帧 图8本文方法跟踪结果 Fig 8 tracking results of our method 130 以上是对图像序列第57,136,156,185,194,214帧的跟踪结果。 4结论 使用在线拓扑模型更新方法进行目标跟踪,针对目标运动过程中形体变化和遮挡问题采 用分块置信度模式进行投票和跟踪,在对目标进行跟踪的同时对抔扑模板进行学习,在遮挡 和形变条件下钧获得了良好的跟踪效果,证明了该方法的有效性 135 但是本文所用方法依然存在一些问题,运算处理速度较慢造成系统实时性较差,同时日 标尺度变化也没有考虑到,针对目标全遮挡问题上也相刈较弱。这些问题都有待进一步研究。 国科技论文在线 http://www.paper.edu.cn 致谢 感谢国家自然科学基金项口支持,编号是60903065,61039003和61272052。以及教育 部博士点基佥新教帅基金支持,编号是20091102120 140 参考文献]( References) [1 Liu Chenguang. I luman Pase Tracking Based on Partitioned Sampling Particle Filter and Multiple Cues Fusion[].Journal of Computer Research and development, 2006, 48(12): 2359-2361 [2 Yang Xin-lin, Yang Hui-xian, Leng Ai-lan, Online select feature and occlusion processing target 145 tracking ] Application Research of Computers, 2011, 28(7): 2797-2800 [3] Zhou Fang-yan, Tang Jian, HE Jin-song, Adaptive Multi-feature Combination Object Tracking Based on Blocking[J]. Computer Engineering, 2013, 39(4): 239-242 4]R. Licnhart and J. Maydt, An Extcndcd Sct of Haar-like Fcaturcs for Rapid Objcct Dctcction[J], IEEE ICIP,2002(1)900-903 150 15]Qi Meibin, Zhang Li, Jiang Jiangguo, Wu I lui, Target template update method in fragment tracking]. Journal of Image and Graphics, 2011, 16(6): 976-982 [6 Zhou Yan, Hu Bo, Zhang Jianqiu. Tracking occlusive target method based on Bayesian decision theory and particlc filter[J]. Chinesc Journal of Electronics, 2007, 35(2): 350-351 [7] Gustafson F, Gunnison F, Nicolas B, et al. Particle filters for position, navigation, and tracking[J]. IEEE 155 Transactions on Signal Proccssing, 2002, 50(2): 425-437

...展开详情
试读 7P 论文研究-基于在线拓扑模型更新的目标跟踪 .pdf
img

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-基于在线拓扑模型更新的目标跟踪 .pdf 5积分/C币 立即下载
    1/7
    论文研究-基于在线拓扑模型更新的目标跟踪 .pdf第1页
    论文研究-基于在线拓扑模型更新的目标跟踪 .pdf第2页
    论文研究-基于在线拓扑模型更新的目标跟踪 .pdf第3页

    试读已结束,剩余4页未读...

    5积分/C币 立即下载 >