基于粒子滤波的目标主动轮廓跟踪算法

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

基于粒子滤波的目标主动轮廓跟踪算法

季玉龙, 杨光, 戈文一

文章导航 > 电子科技大学学报 > 2015 > 44(1): 91-96

季玉龙, 杨光, 戈文一. 基于粒子滤波的目标主动轮廓跟踪算法[J]. 电子科技大学学报, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

引用本文:

季玉龙, 杨光, 戈文一. 基于粒子滤波的目标主动轮廓跟踪算法[J]. 电子科技大学学报, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

JI Yu-long, YANG Guang, GE Wen-yi. A Novel Particle Filter Based Object Active Contour Tracking Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

Citation:

JI Yu-long, YANG Guang, GE Wen-yi. A Novel Particle Filter Based Object Active Contour Tracking Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

基于粒子滤波的目标主动轮廓跟踪算法

doi: 10.3969/j.issn.1001-0548.2015.01.015

1.
四川大学空天科学与工程学院成都 610065
2.
中国民航西北空中交通管理局西安 710082

基金项目:

国家863项目(2012AA011804)

作者简介:
季玉龙(1978-),男,博士生,主要从事图形图像方面的研究.

中图分类号: TP391

A Novel Particle Filter Based Object Active Contour Tracking Method

1.
School of Aeronautics and Astronautics,Sichuan University Chengdu 610065;
2.
China Northwest Regional Air Traffic Management Bureau of Civil Aviation Xi'an 710082

摘要: 传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。
- 主动轮廓 /
- 能量函数 /
- 目标跟踪 /
- 粒子滤波
Abstract: Conventional particle filters use simple geometric shapes with finite dimensional parameters to give the tracking results, therefore cannot precisely present the real-world objects with complex shapes. Aiming at this problem, this paper presents a novel particle filter based active contour algorithm for object contour tracking task. The active contour is introduced on the base of the samples simulating the target state posterior distribution; By including the weighted particles into the energy function, the contours evolve towards the region with particles with important weights and eventually converge to image region with maximum likelihood of the target. The proposed algorithm can improve the updating accuracy of the target model and avoid the tracking drift. Finally, a real-world airport surveillance application is presented to show the effectiveness and robustness of the proposed method in complex scenarios.
- active contour /
- energy functional /
- object tracking /
- particle filter

[1]	易诗, 陈鑫凯, 宋瑞源, 常锦鹏, 周卓勋. 适用于智能球机的高鲁棒性侵入跟踪方法 . 电子科技大学学报, 2019, 48(5): 754-758. doi: 10.3969/j.issn.1001-0548.2019.05.015
[2]	龚红, 杨发顺, 丁召. 基于模糊背景加权的Mean Shift目标跟踪算法 . 电子科技大学学报, 2019, 48(3): 402-408. doi: 10.3969/j.issn.1001-0548.2019.03.015
[3]	周瑞, 鲁翔, 卢帅, 李志强, 桑楠. 基于粒子滤波和地图匹配的融合室内定位 . 电子科技大学学报, 2018, 47(3): 415-420. doi: 10.3969/j.issn.1001-0548.2018.03.015
[4]	陈彦, 伏晨荣, 卢有春, 童玲. 基于SAR图像的道路损毁信息提取 . 电子科技大学学报, 2016, 45(4): 551-556. doi: 10.3969/j.issn.1001-0548.2016.04.007
[5]	王瑞锦, 郭祥, 王佳昊, 秦志光. 无线传感器网络动态轨迹多目标跟踪算法 . 电子科技大学学报, 2016, 45(2): 233-239.
[6]	李伟, 曹洁, 李军, 王进花. 噪声相关粒子滤波算法 . 电子科技大学学报, 2016, 45(3): 436-441. doi: 10.3969/j.issn.1001-0548.2016.02.021
[7]	陈姝, 梁文章. 结合特征点匹配及深度网络检测的运动跟踪 . 电子科技大学学报, 2016, 45(2): 246-251.
[8]	吴亚东, 张红英. 基于全变分模型的视觉感知图像质量评价方法 . 电子科技大学学报, 2015, 44(1): 79-83. doi: 10.3969/j.issn.1001-0548.2015.01.013
[9]	张民, 贾海涛, 沈震. 基于遗传算法改进的粒子滤波重采样模型 . 电子科技大学学报, 2015, 44(3): 344-349. doi: 10.3969/j.issn.1001-0548.2015.03.005
[10]	于振华, 付晓, 王静, 胡正良, 刘宇. 基于声学无线传感器网络的目标跟踪系统研究 . 电子科技大学学报, 2011, 40(4): 568-572. doi: 10.3969/j.issn.1001-0548.2011.04.019
[11]	陈金广, 李洁, 高新波. 等式状态约束下的粒子滤波算法 . 电子科技大学学报, 2011, 40(4): 596-601. doi: 10.3969/j.issn.1001-0548.2011.04.025
[12]	樊玲, 张晓玲. 雷达微弱目标探测的改进检测前跟踪算法 . 电子科技大学学报, 2011, 40(6): 839-843. doi: 10.3969/j.issn.1001-0548.2011.06.006
[13]	屈剑锋, 柴毅, 郭茂耘. 无线传感器网络下的并行粒子滤波目标跟踪算法 . 电子科技大学学报, 2011, 40(2): 231-236. doi: 10.3969/j.issn.1001-0548.2011.02.015
[14]	王航宇, 李鹏, 张泉. 多平台协同跟踪中的传感器分配方法研究 . 电子科技大学学报, 2008, 37(1): 74-76.
[15]	杜正聪, 唐斌, 刘立新. 粒子滤波的MIMO-OFDM空频分层检测算法 . 电子科技大学学报, 2008, 37(2): 194-197.
[16]	陈涛涛, 田裕鹏. 一种非刚体目标的实时检测与跟踪算法 . 电子科技大学学报, 2007, 36(1): 82-85.
[17]	岑明, 傅承毓, 陈科, 刘兴法. 广义合作目标跟踪的误差空间估计方法 . 电子科技大学学报, 2007, 36(2): 217-219,274.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	赵辉, 虞厥邦. ⅡR DF设计的高阶关联神经网络优化方法 . 电子科技大学学报, 1998, 27(3): 251-255.
[20]	王勇, 陈光礻禹. 时滞测试能量模型的研究和改进 . 电子科技大学学报, 1998, 27(3): 305-309.

WeChat

点击查看大图

计量

文章访问数: 3480
HTML全文浏览量: 145
PDF下载量: 66
被引次数: 0

基于粒子滤波的目标主动轮廓跟踪算法

doi: 10.3969/j.issn.1001-0548.2015.01.015

1. 四川大学空天科学与工程学院成都 610065

2. 中国民航西北空中交通管理局西安 710082

基金项目:

国家863项目(2012AA011804)

作者简介:
季玉龙(1978-),男,博士生,主要从事图形图像方面的研究.

收稿日期: 2013-04-08
修回日期: 2014-07-28
刊出日期: 2015-02-15

中图分类号: TP391

关键词:

摘要: 传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。

English Abstract

季玉龙, 杨光, 戈文一. 基于粒子滤波的目标主动轮廓跟踪算法[J]. 电子科技大学学报, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

引用本文:

季玉龙, 杨光, 戈文一. 基于粒子滤波的目标主动轮廓跟踪算法[J]. 电子科技大学学报, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

JI Yu-long, YANG Guang, GE Wen-yi. A Novel Particle Filter Based Object Active Contour Tracking Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

Citation:

JI Yu-long, YANG Guang, GE Wen-yi. A Novel Particle Filter Based Object Active Contour Tracking Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发