基于灰度共生的多线索目标联合优化跟踪

金广智; 石林锁; 刘浩; 牟伟杰; 崔智高

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于灰度共生的多线索目标联合优化跟踪

金广智, 石林锁, 刘浩, 牟伟杰, 崔智高

文章导航 > 电子科技大学学报 > 2016 > 45(2): 252-257

金广智, 石林锁, 刘浩, 牟伟杰, 崔智高. 基于灰度共生的多线索目标联合优化跟踪[J]. 电子科技大学学报, 2016, 45(2): 252-257.

引用本文:

金广智, 石林锁, 刘浩, 牟伟杰, 崔智高. 基于灰度共生的多线索目标联合优化跟踪[J]. 电子科技大学学报, 2016, 45(2): 252-257.

JIN Guang-zhi, SHI Lin-suo, LIU Hao, MU Wei-jie, CUI Zhi-gao. Object Joint Optimization Tracking Based on Gray-Level Co-Occurrence and Multi-Clues[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(2): 252-257.

Citation:

JIN Guang-zhi, SHI Lin-suo, LIU Hao, MU Wei-jie, CUI Zhi-gao. Object Joint Optimization Tracking Based on Gray-Level Co-Occurrence and Multi-Clues[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(2): 252-257.

基于灰度共生的多线索目标联合优化跟踪

详细信息

中图分类号: TP391

Object Joint Optimization Tracking Based on Gray-Level Co-Occurrence and Multi-Clues

摘要: 为了提高跟踪算法对多种目标表观变化场景的自适应能力与跟踪精度,提出一种基于灰度共生的多线索目标联合优化跟踪算法。该算法首先提取目标灰度信息,通过灰度共生的高区分度特征对目标进行二元超分描述,结合三阶张量理论融合目标区域的多视图信息,建立起目标的三维在线表观模型,然后利用线性空间理论对表观模型进行双线性展开,通过双线性空间的增量学习更新,降低模型更新时的运算量。通过二级联合跟踪机制对跟踪估计进行动态调整,以避免误差累积出现跟踪漂移。与典型算法进行多场景试验对比,表明该算法能有效地应对多种复杂场景下的运动目标跟踪。
- 灰度共生 /
- 线性空间 /
- 多线索 /
- 三阶张量

[1]	YANG H, SHAO L, ZHENG F, et al. Recent advances and trends in visual tracking: A review[J]. Neurocomputing, 2011, 74(18): 3823-3831.
[2]	HO J, LEE K C, YANG M H, et al. Visual tracking using learned linear subspaces[C]//Proceedingsof IEEE Conference on Computer Vision and Pattern Recognition. [S.l.]: IEEE, 2012.
[3]	LEE K C, KRIEGMAN D. Online learning of probabilistic appearance manifolds for video-based recognition and tracking[C]//IEEE Conference on Computer Vision and Pattern Recognition. [S.l.]: IEEE, 2013.
[4]	ROSS D, LIM J, LIN R S, et al. Incremental learning for robust visual tracking[J]. International Journal of Computer Vision, 2013, 77(1-3): 125-141.
[5]	LATHAUWER L, MOOR B, VANDEWALLE J. On the best rank-1 and rank-(R1, R2,..., Rn) approximation fhigherorder tensors[J]. SIAM Journal of Matrix Analysis and Applications, 2000, 21(4): 1324-1342.
[6]	LI X, HU W, ZHANG Z, et al. Visual tracking via incremental Log-Euclidean Riemannian sub-space learning [C]//IEEE Conference on Computer Vision and Pattern Recognition. [S.l.]: IEEE, 2013.
[7]	LI X, HU W, ZHANG Z, et al. Robust visual tracking based on incremental tensor subspace learning[C]//International Conference on Computer Vision. [S.l.]: [s.n.], 2012.
[8]	薄华, 马缚龙, 焦李成. 图像纹理的灰度共生矩阵计算问题的分析[J]. 电子学报, 2014, 34(1): 155-158. BO Hua, MA Fu-long, JIAO Li-cheng. Research on computation of GLCM of image texture[J]. Acta Electronica Sinica, 2014, 34(1): 155-158.
[9]	CLAUSI D A, HUANG D. Design-based texture feature fusion using Gabor filters and co-occurrence probabilities[J]. IEEE Trans on Image Processing, 2013, 14(7): 925-936.
[10]	WU Y, LIM J, YANG M H. Object tracking benchmark[J]. Pattern Analysis and Machine Intelligence, 2015, 37(9): 1834-1848.
[11]	KHAN Z H, GU I Y H. Online domain-shift learning and object tracking based on nonlinear dynamic models and particle filters on Riemannian manifolds[J]. Computer Vision and Image Understanding, 2014, 125: 97-114.
[12]	CHENG X, LI N, ZHOU T, et al. Object tracking via collaborative multi-task learning and appearance model updating[J]. Applied Soft Computing, 2015, 31: 81-90.

[1]	杨鹏, 张嘉颖, 周世杰, 周湘阳. 一种多状态空间信息网络拓扑生成算法的优化 . 电子科技大学学报, 2024, 53(1): 92-101. doi: 10.12178/1001-0548.2022377
[2]	于永斌, 李镖, 唐倩. 一种新型三阶磁控忆阻器模型及其滤波器研究 . 电子科技大学学报, 2021, 50(3): 339-346. doi: 10.12178/1001-0548.2020384
[3]	肖海林, 任婵婵, 聂在平, 李民政. 基于线性权重粒子群优化算法的多基站协作波束成型 . 电子科技大学学报, 2015, 44(5): 663-667. doi: 10.3969/j.issn.1001-0548.2015.05.004
[4]	吴献钢, 徐丽梅, 黄大贵. 基于三轴线性插补的的裁剪跟随方法 . 电子科技大学学报, 2014, 43(3): 476-480. doi: 10.3969/j.issn.1001-0548.2014.03.027
[5]	李楠, 程锦房, 钱富. 加权信号张量子空间拟合算法 . 电子科技大学学报, 2013, 42(4): 546-548,591. doi: 10.3969/j.issn.1001-0548.2013.04.003
[6]	李建江, 张磊, 李兴钢, 陈翔, 黄义双. CUDA架构下的灰度图像匹配并行算法 . 电子科技大学学报, 2012, 41(1): 110-113. doi: 10.3969/j.issn.1001-0548.2012.01.021
[7]	田银, 尧德中. 线索化效应的返回抑制研究 . 电子科技大学学报, 2010, 39(6): 944-947. doi: 10.3969/j.issn.1001-0548.2010.06.029
[8]	乔晓华, 包伯成. 新三维分段线性混沌系统 . 电子科技大学学报, 2009, 38(4): 564-568. doi: 10.3969/j.issn.1001-0548.2009.04.021
[9]	王建, 王永根, 谢渊, 徐风清, 张云祥. 电磁场的空间相干性对均匀多波束影响研究 . 电子科技大学学报, 2009, 38(2): 210-213. doi: 10.3969/j.issn.1001-0548.2009.02.13
[10]	李金海, 巴晓辉, 陈杰. 三阶卡尔曼滤波数字锁频环设计及性能分析 . 电子科技大学学报, 2008, 37(5): 677-680,729.
[11]	郭际香, 蒲晓蓉, 章毅. 三维空间中的Dirichlet自由变形算法 . 电子科技大学学报, 2007, 36(3): 573-575,586.
[12]	李斌, 杨中海, 朱小芳, 廖莉, 肖礼, 曾葆青. 改进的行波管三维非线性理论 . 电子科技大学学报, 2005, 34(5): 630-633.
[13]	傅茂名. 基于形态灰度边缘检测算法的一种改进 . 电子科技大学学报, 2005, 34(2): 206-209.
[14]	杨勇, 李立萍. 多线性调频信号参数估计及DSP实现 . 电子科技大学学报, 2004, 33(1): 19-22.
[15]	郭科, 施泽进, 唐菊兴, 陈聆, 刘二永, 魏友华. 用多重分形研究元素的共生组合性 . 电子科技大学学报, 2004, 33(2): 221-224.
[16]	徐铭, 蒲涛, 杨淑雯. 三阶色散效应对色散控制孤子传输的影响 . 电子科技大学学报, 2004, 33(3): 228-230，253.
[17]	周谦之, 张捍东, 庄凯. 开关线性复合变换式单变三相逆变器 . 电子科技大学学报, 2003, 32(6): 655-660.
[18]	何晓薇, 樊龙飞, 查光明. 基于二阶、四阶累积量的盲解卷积准则 . 电子科技大学学报, 1998, 27(4): 375-379.
[19]	丁齐, 肖先赐. 基于四阶累积量的子空间测向方法研究 . 电子科技大学学报, 1998, 27(1): 33-38.
[20]	马逾钢, 洪福明, 李乐民. 按需分配多码CDMA及其吞吐量性能的研究 . 电子科技大学学报, 1997, 26(5): 461-464.

点击查看大图

计量

文章访问数: 3785
HTML全文浏览量: 102
PDF下载量: 243
被引次数: 0

基于灰度共生的多线索目标联合优化跟踪

刊出日期: 2016-04-15

中图分类号: TP391

关键词:

摘要: 为了提高跟踪算法对多种目标表观变化场景的自适应能力与跟踪精度,提出一种基于灰度共生的多线索目标联合优化跟踪算法。该算法首先提取目标灰度信息,通过灰度共生的高区分度特征对目标进行二元超分描述,结合三阶张量理论融合目标区域的多视图信息,建立起目标的三维在线表观模型,然后利用线性空间理论对表观模型进行双线性展开,通过双线性空间的增量学习更新,降低模型更新时的运算量。通过二级联合跟踪机制对跟踪估计进行动态调整,以避免误差累积出现跟踪漂移。与典型算法进行多场景试验对比,表明该算法能有效地应对多种复杂场景下的运动目标跟踪。