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

子空间模型下的仿射不变目标跟踪

崔雄文 吴钦章 蒋平 周进

崔雄文, 吴钦章, 蒋平, 周进. 子空间模型下的仿射不变目标跟踪[J]. 红外与激光工程, 2015, 44(2): 769-774.
引用本文: 崔雄文, 吴钦章, 蒋平, 周进. 子空间模型下的仿射不变目标跟踪[J]. 红外与激光工程, 2015, 44(2): 769-774.
Cui Xiongwen, Wu Qinzhang, Jiang Ping, Zhou Jin. Affine-invariant target tracking based on subspace representation[J]. Infrared and Laser Engineering, 2015, 44(2): 769-774.
Citation: Cui Xiongwen, Wu Qinzhang, Jiang Ping, Zhou Jin. Affine-invariant target tracking based on subspace representation[J]. Infrared and Laser Engineering, 2015, 44(2): 769-774.

子空间模型下的仿射不变目标跟踪

基金项目: 

国家高新技术研究发展计划(G107302)

详细信息
    作者简介:

    崔雄文(1988-),男,博士生,主要从事目标探测、识别和跟踪方面的研究。Email:cuixiongwen@126.com

  • 中图分类号: TP391.4

Affine-invariant target tracking based on subspace representation

  • 摘要: 针对目标跟踪过程中目标可能出现的快速变化和严重遮挡等问题,提出了一种基于新的子空间表示的目标跟踪算法。采用距离不变量对尺度不变特征变换(SIFT)特征点匹配对进行提纯。用提纯后的特征点匹配对,通过线性拟合得到仿射变化参数。在粒子滤波的理论框架下,采用快速的迭代算法,建立目标的主分量(PCA)子空间表示,结合计算得到的仿射变化参数,构造有效的目标观测模型完成跟踪。同时,采用在线学习的方法对SIFT特征点和PCA子空间进行定时更新。大量实验表明,提出的算法能快速有效地完成对姿态和形状剧烈变化的目标的精确跟踪。
  • [1]
    [2] Yilmaz A, Javed O, Shah M. Object tracking:a survey [J]. ACM Computing Survey, 2006, 38(4): 1-45.
    [3] Lowe D G. Distinctive image features from scale-invariant keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91-110.
    [4]
    [5]
    [6] Kong Jun, Tang Xinyi, Jiang Min, et al. IR target tracking based on scale space feature points matching [J] . Infrared and Laser Engineering, 2011, 40(11): 2104-2109. (in Chinese) 孔军,汤心益,蒋敏, 等. 采用尺度空间特征点匹配的红外 目标跟踪[J]. 红外与激光工程, 2011, 40(11): 2104-2109.
    [7] Kaihua Zhang, Lei Zhang, Ming-husan Yang. Reai-time compressive tracking[J]. Proceedings of European Conference on Computer Vision, 2012, 3: 864-877.
    [8]
    [9]
    [10] David A R, Jongwoo L, Ruei-Sung L, et al. Incremental learning for robust visual tracking [J]. International Journal of Computer Vision, 2008, 77(1-3): 1-27.
    [11] Xue Mei. Ling Haibin. Robust visual tracking using L1 minimization [C]//Proceeding of the IEEE International Conference on Computer Vision, 2011: 1257-1264.
    [12]
    [13] Tang Zhengyuan, Zhao Jiajia, Yang Jie, et al. Infrared target tracking algorithm based on sparse representation model [J]. Infrared and Laser Engineering, 2012, 41(5): 1389-1395. (in Chinese) 唐峥远, 赵佳佳, 杨杰, 等. 基于稀疏表示模型的红外目标 跟踪算法[J]. 红外与激光工程, 2012, 41(5): 1389-1395.
    [14]
    [15]
    [16] Babenko B, Yang M H, Belongie S. Visual tracking with online multiple instance learning [C]// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2009:983-990.
    [17]
    [18] Peng Chen, Chen Qian, Qian Weixian, et al. Infrared moving targets tracking under complex ground scene [J]. Infrared and Laser Engineering, 2013, 42(6): 1410-1414. (in Chinese) 彭晨, 陈钱, 钱惟贤, 等. 复杂地面场景下的红外运动目标 跟踪[J]. 红外与激光工程, 2013, 42(6): 1410-1414.
    [19] Mikolajczyk K, Schmid C. Detection of local features invariant to affine transformations [C]// European Conference on Computer Vision, 2002: 128-142.
  • [1] 王向军, 郭志翼, 王欢欢.  基于嵌入式平台的低时间复杂度目标跟踪算法 . 红外与激光工程, 2019, 48(12): 1226001-1226001(10). doi: 10.3788/IRLA201948.1226001
    [2] 卢瑞涛, 任世杰, 申璐榕, 杨小冈.  基于稀疏表示多子模板的鲁棒目标跟踪算法 . 红外与激光工程, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
    [3] 曲蕴杰, 莫宏伟, 王常虹.  一种用于无人机的目标颜色核相关跟踪算法研究 . 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
    [4] 葛宝义, 左宪章, 胡永江, 张岩.  基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
    [5] 罗海波, 许凌云, 惠斌, 常铮.  基于深度学习的目标跟踪方法研究现状与展望 . 红外与激光工程, 2017, 46(5): 502002-0502002(7). doi: 10.3788/IRLA201746.0502002
    [6] 马俊凯, 罗海波, 常铮, 惠斌, 周晓丹, 侯德飞.  基于可变形模型的目标跟踪算法 . 红外与激光工程, 2017, 46(9): 928001-0928001(9). doi: 10.3788/IRLA201746.0928001
    [7] 邵春艳, 丁庆海, 罗海波, 李玉莲.  采用高维数据聚类的目标跟踪 . 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
    [8] 邢运龙, 李艾华, 崔智高, 方浩.  改进核相关滤波的运动目标跟踪算法 . 红外与激光工程, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
    [9] 赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗.  五阶容积卡尔曼滤波算法及其应用 . 红外与激光工程, 2015, 44(4): 1377-1381.
    [10] 徐超, 高敏, 杨耀.  自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
    [11] 曹阳, 郭靖.  粒子滤波的机载激光通信自适应参数辨识跟踪方法 . 红外与激光工程, 2015, 44(10): 3098-3102.
    [12] 付小宁, 王洁.  基于三点虚拟圆的被动测距 . 红外与激光工程, 2014, 43(9): 3042-3045.
    [13] 赵曦晶, 刘光斌, 汪立新, 何志昆, 姚志成.  扩展容积卡尔曼滤波-卡尔曼滤波组合算法 . 红外与激光工程, 2014, 43(2): 647-653.
    [14] 李权, 赵勋杰, 彭青艳, 邹薇, 张雪松.  基于主成分分析法的窗口自适应粒子滤波算法 . 红外与激光工程, 2014, 43(10): 3474-3479.
    [15] 肖松, 谭贤四, 王红, 李志淮.  变结构多模型临近空间高超声速飞行器跟踪算法 . 红外与激光工程, 2014, 43(7): 2362-2370.
    [16] 田立, 周付根, 孟偲.  基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪 . 红外与激光工程, 2014, 43(7): 2354-2361.
    [17] 黎志华, 李新国.  基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
    [18] 林建粦, 平西建, 马德宝.  采用DBT的漂移扫描星图小目标检测方法 . 红外与激光工程, 2013, 42(12): 3440-3446.
    [19] 王江涛, 陈得宝, 李素文, 杨一军, 杨静宇.  在线自适应选择子空间的红外目标跟踪方法 . 红外与激光工程, 2013, 42(9): 2579-2583.
    [20] 彭晨, 陈钱, 钱惟贤, 徐富元.  复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.
  • 加载中
计量
  • 文章访问数:  166
  • HTML全文浏览量:  6
  • PDF下载量:  265
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-06-09
  • 修回日期:  2014-07-13
  • 刊出日期:  2015-02-25

子空间模型下的仿射不变目标跟踪

    作者简介:

    崔雄文(1988-),男,博士生,主要从事目标探测、识别和跟踪方面的研究。Email:cuixiongwen@126.com

基金项目:

国家高新技术研究发展计划(G107302)

  • 中图分类号: TP391.4

摘要: 针对目标跟踪过程中目标可能出现的快速变化和严重遮挡等问题,提出了一种基于新的子空间表示的目标跟踪算法。采用距离不变量对尺度不变特征变换(SIFT)特征点匹配对进行提纯。用提纯后的特征点匹配对,通过线性拟合得到仿射变化参数。在粒子滤波的理论框架下,采用快速的迭代算法,建立目标的主分量(PCA)子空间表示,结合计算得到的仿射变化参数,构造有效的目标观测模型完成跟踪。同时,采用在线学习的方法对SIFT特征点和PCA子空间进行定时更新。大量实验表明,提出的算法能快速有效地完成对姿态和形状剧烈变化的目标的精确跟踪。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回