推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

目标跟踪中辅助目标的选择、跟踪与更新

更新时间:2019-12-30 14:34:25 大小:1M 上传用户:IC老兵查看TA发布的资源 标签:目标跟踪辅助目标跟踪器融合 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

在目标的动态背景中存在有利于目标跟踪的信息.使用辅助目标来描述目标的动态背景,在跟踪目标的同时建立辅助目标与目标之间的运动依赖关系.用多个辅助目标预测目标的位置,将辅助目标预测结果与目标跟踪器预测结果融合得到目标位置.方法包括,利用辅助目标与目标之间的运动依赖关系和辅助目标自身跟踪精度的辅助目标选择方法;使用多个低精度辅助目标跟踪器获得良好的目标预测结果的辅助目标跟踪和目标预测方法;以及根据目标跟踪结果更新辅助目标跟踪参数的方法.辅助目标具有多样性和独立性.基于辅助目标的目标跟踪方法可以与其他目标跟踪器结合,具有推广泛化能力.实验结果表明,辅助目标在目标跟踪中发挥重要作用,与其他目标跟踪方法对比结果表明,有更好的鲁棒性和目标跟踪精度.


部分文件列表

文件名 大小
1577687659目标跟踪中辅助目标的选择、跟踪与更新.pdf 1M

部分页面预览

(完整内容请下载后查看)
44 卷 第 7 期  
2018 7 月  
Vol. 44, No. 7  
July, 2018  
ACTA AUTOMATICA SINICA  
目标跟踪中辅助目标的选择踪与更新  
赵 巍 1  
2
2
2
2
刘 畅 1  
刘 鹏 1  
唐降龙 1  
在目标的动态背景中存在有利于目标跟踪的信息. 使用辅助目标来描述目标的动态背景, 在跟踪目标的同时建立辅  
助目标与目标之间的运动依赖关系. 用多个辅助目标预测目标的位置, 将辅助目标预测结果与目标跟踪器预测结果融合得到  
目标位置. 方法包括, 利用辅助目标与目标之间的运动依赖关系和辅助目标自身跟踪精度的辅助目标选择方法; 使用多个低精  
度辅助目标跟踪器获得良好的目标预测结果的辅助目标跟踪和目标预测方法; 以及根据目标跟踪结果更新辅助目标跟踪参数  
的方法. 辅助目标具有多样性和独立性. 基于辅助目标的目标跟踪方法可以与其他目标跟踪器结合, 具有推广泛化能力. 实验  
结果表明, 辅助目标在目标跟踪中发挥重要作用, 与其他目标跟踪方法对比结果表明, 有更好的鲁棒性和目标跟踪精度.  
关键词 目标跟踪, 动态背景, 辅助目标, 跟踪器融合  
引用格式 刘畅, 赵巍, 刘鹏, 唐降龙. 目标跟踪中辅助目标的选择踪与更新. 自动化学报, 2018, 44(7): 11951211  
DOI 10.16383/j.aas.2017.c160532  
Auxiliary Objects Selecting, Tracking and Updating in Target Tracking  
2
2
2
2
LIU Chang1  
ZHAO Wei1  
LIU Peng1  
TANG Xiang-Long1  
Abstract The dynamic background of images contains effective information that is favorable for object tracking. This  
paper uses auxiliary objects describing the target background. Motion dependencies between auxiliary objects and target  
itself are established first. Then the tracking of auxiliary objects by trackers with relative lower precisions predicts the  
target position. The position results predicted by auxiliary objects and by the basic tracker are fused to get a better  
result. Meanwhile, parameters updating is done according to the tracking result. Extensive experimental results show  
that auxiliary objects are effective for tracking the target. Comparison with other trackers proves the method0s better  
robustness and precision.  
Key words Object tracking, dynamic background, auxiliary objects, trackers fusion  
Citation Liu Chang, Zhao Wei, Liu Peng, Tang Xiang-Long. Auxiliary objects selecting, tracking and updating in  
target tracking. Acta Automatica Sinica, 2018, 44(7): 11951211  
目标跟踪是指给定目标在图像中的初始位置  
预测图像序列中的目标变化 是计算机视觉研究的  
热点领域 目标跟踪器的跟踪能力主要体现在鲁棒  
性和实时性 跟踪方法的鲁棒性不仅反映该方法的  
精确度 也包括对特殊情况 例如光照变化和背景干  
扰等的适应性和通用性 一般而言 鲁棒的跟踪方法  
可以长时间有效跟踪目标 实时性是在线跟踪的一  
项重要评价指标 反映了方法的运行效率  
现有的目标跟踪方法不仅对目标提取特征 而且针  
对目标外观变化对目标建立外观模型 进行在线学  
[23] 目标跟踪方法依据在线学习方式的不同主  
要分两类 一类是产生式模型  
根据已有的跟踪结果更新目标模板 在下一帧中寻  
找相似性最大的区域作为目标 另一类是判别式模  
将目标区域和非目标区  
域视为两类 根据已有的采样样本训练分类器 将下  
一帧图像分为两类 得到目标 实际应用中 成像条  
像环境以及目标运动的特点等因素对目标跟  
踪的效果产生重要影响 这些因素包括光照变化尺  
度变化动模糊速运动出平  
面的旋转标脱离视场景干扰像低分辨率  
等 而对目标跟踪器性能的评价是在所有因素共同  
作用下跟踪效果的评价[4]  
传统的目标跟踪一般从目标表示出发 提取用  
于跟踪的特征 先对目标进行检测分割 再进行跟  
[1] 跟踪方法包括点跟踪跟踪和轮廓跟踪  
收稿日期 2016-07-18 录用日期 2017-06-07  
Manuscript received July 18, 2016; accepted June 7, 2017  
国家自然科学基金 (61671175, 61672190) 资助  
Supported by National Natural Science Foundation of China  
(61671175, 61672190)  
本文责任编委 赖剑煌  
Recommended by Associate Editor LAI Jian-Huang  
1. 哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001 2. 哈尔  
利用上下文信息可以改善在复杂环境中目标跟  
踪的效果 在目标跟踪中 上下文信息是指瞬时的目  
标及其周围背景 目标上下文与目标之间有关联  
利用目标上下文和目标之间的关联有助于提高目  
标跟踪效果 例如跟踪运动员时 运动员身上的标签  
滨工业大学模式识别与智能系统研究中心 哈尔滨 150001  
1. College of Computer Science and Technology, Harbin In-  
stitute of Technology, Harbin 150001  
2. Research Center of  
Pattern Recognition and Intelligence System, Harbin Institute  
of Technology, Harbin 150001  
1196  
44 卷  
以及其他运动员都对运动员状态的预测有帮助 通  
常目标与周围每一点都有运动联系 相对周围每一  
点在任一时刻靠近离或保持一致 短时间内运  
动关系变化很小 将图像中与目标有一定联系 能  
够预测目标运动的物体称为目标跟踪的辅助目标  
辅助目标与目标之间存在运动  
产生式模型  
产生式在线学习方法注重前景目标 忽视背景  
信息 前景目标的外观表示是制约算法性能的主要  
因素 传统目标跟踪大多使用基于模板的方法 利  
用动态模板适应目标外观的变化 常用的方法有  
[6]  
及其改进算法[7]  
[8] 使用基于  
动依赖关系 辅助目标在运动场景中是广泛存在的  
算法的自适应外观模型 近几年也有优化的方  
[9] 提出的局部无序跟踪  
例如运动员身上的标签边的运动员道线、  
影子等 使用辅助目标来表示目标上下文 建立辅  
助目标与目标之间的关系能够提高目标跟踪的性  
算法使用超像素表示目标外  
观 利用内在的无序性对目标进行跟踪  
[10] 提出用条件方差和  
本文提出一种利用辅助目标来改善目标跟踪  
效果的方法  
作为相似度函数来解决非刚体目标在  
光照变化下的跟踪问题  
[11] 提出一种新颖的  
包括辅助目标选择方法标与辅助目标运  
动关系建模方法和辅助目标更新方法 在目标跟踪  
过程中同时跟踪目标和被选择的辅助目标 通过学  
习建立目标与辅助目标之间的运动关系模型来描述  
每一个辅助目标与目标之间在运动上的依赖关系  
用辅助目标预测目标的状态 将预测结果与对目标  
自身的跟踪结果融合 改善在复杂环境中目标跟踪  
的精度 在跟踪过程中 淘汰依赖关系过度衰减的辅  
助目标 补充依赖关系增强的目标 从本质上讲 在  
目标周围的辅助目标是目标跟踪中的动态背景 在  
以往的研究中 通常将背景 特别是动态背景视为目  
标跟踪中的不利因素 但是 本文提出的方法从动态  
多目标表示及跟踪方法 无需检测 通过点跟踪与分  
割来定位多个目标 能够长期可靠地跟踪多个目标  
[12] 使用混合模板对目标进行在线跟踪 对前  
景目标提取多种特征并融合 对目标建立了比较完  
备的模型 基于子空间分析方法使用在线学习子空  
间表示目标 以反映外观变化 增量学习跟踪算法  
[13]  
是产生式模型的一个基本代表算法 使用  
增量主成分分析计算特征图像 稀疏表示在计算机  
视觉领域应用很广 同时促进了目标跟踪的发展[14]  
通过使用稀疏约束 目标可以表示为基向量的线性  
组合 例如  
使用 范数产生比较稀疏的解 以及改进算法  
跟踪器[16] 加入了  
范数防止过拟合  
跟踪器[15] 使用亮度作为稀疏表示基  
背景中挖掘有利信息  
辅助目标与目标之间的依  
赖关系 而且辅助目标选择方法和更新方法使目标  
状态预测精度与目标跟踪精度之间实现平衡 本文  
提出的利用辅助目标改善目标跟踪效果的方法不依  
赖于具体的目标跟踪器 可以与多种目标跟踪器结  
合使用 具有明显的推广能力 并且该方法对复杂环  
境有鲁棒性 在背景干扰标形变挡等条件下  
能够取得良好的跟踪效果  
这些方法的共同特点是尽可能完善地描述目标  
能适应目标一定程度的变化 但是由于忽略了背景  
信息 对背景干扰敏感 在目标发生剧烈变化或被遮  
挡时 这些方法的跟踪精度明显下降  
判别式模型  
判别式在线学习方法又称为基于检测的跟踪  
此类方法把跟踪问题看作一个二分类问题或回归问  
题 常用的分类器有最近邻分类器含马尔科夫模  
经网络和支持向量机等 根据在线更新过程  
可分为基于在线特征选择的方法[17]于在线更新  
分类器的方法[1822] 和基于在线度量学习的方法[23]  
基于在线特征选择的方法在跟踪时自适应地选择合  
适的特征空间 使用的特征空间直接影响分类能力  
[17] 提出在线选择具有区分力的特征进行  
1 相关工作  
在目标跟踪过程中 一方面使用不变的外观表  
示方法容易丢失目标 另一方面过快更新目标模型  
则容易发生漂移 在线学习方法可以在一定程度上  
解决这两类问题 尹宏鹏等[5] 对视觉目标跟踪进行  
了综述 跟踪算法依据在线学习方式的不同可分为  
产生式模型和判别式模型两类 产生式模型主要利  
用目标自身外观 对目标建立外观模型 寻找与模型  
相似性最大的区域作为目标 判别式模型主要利用  
目标与背景之间的差异 训练分类器 将图像分为目  
标和背景两类 此外 近年来又出现了几种利用上下  
文信息跟踪目标的方法 利用目标与背景的联系来  
跟踪目标  
跟踪 王丽佳等[20] 提出基于特征在线选择的目标压  
缩跟踪算法 因为开始跟踪时样本比较匮乏 分类  
器性能不高 所以基于在线更新分类器的方法需要  
在跟踪过程中不断更新训练来修正分类器  
[21]  
使用  
方法将多个弱分类器组合成  
一个强分类器 可以提高分类精度 其他典型的算  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载