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

采用高维数据聚类的目标跟踪

邵春艳 丁庆海 罗海波 李玉莲

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[J]. 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
引用本文: 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[J]. 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
Shao Chunyan, Ding Qinghai, Luo Haibo, Li Yulian. Target tracking using high-dimension data clustering[J]. Infrared and Laser Engineering, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
Citation: Shao Chunyan, Ding Qinghai, Luo Haibo, Li Yulian. Target tracking using high-dimension data clustering[J]. Infrared and Laser Engineering, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002

采用高维数据聚类的目标跟踪

doi: 10.3788/IRLA201645.0428002
详细信息
    作者简介:

    邵春艳(1987-),女,博士生,主要从事模式识别及图像处理方面的研究。Email:shaochunyan@sia.cn;罗海波(1967-),男,研究员,博士,主要从事图像处理与模式识别、成像跟踪、智能控制、并行信号处理器体系结构等方面的研究。Email:luohb@sia.cn

    邵春艳(1987-),女,博士生,主要从事模式识别及图像处理方面的研究。Email:shaochunyan@sia.cn;罗海波(1967-),男,研究员,博士,主要从事图像处理与模式识别、成像跟踪、智能控制、并行信号处理器体系结构等方面的研究。Email:luohb@sia.cn

  • 中图分类号: TP391

Target tracking using high-dimension data clustering

  • 摘要: 根据刚体各部位具有变换一致性这一特性,提出一种采用高维数据聚类的目标跟踪方法。从数学理论方面证明提出的度量方法可以应用于目标跟踪, 称其为高维数据聚类跟踪器(HDDC tracker)。该算法框架如下,首先, 采用Harris检测器对模板与跟踪区域进行特征提取;然后利用这些特征的空间信息对所提取的特征进行编组;接着计算模板特征组与跟踪区域特征组间的仿射变换阵;最后,采用高维数据聚类对这些仿射变换阵进行度量, 将那些相似仿射阵对应的跟踪区域作为跟踪目标。实验表明: HDDC tracker能够有效地跟踪具有仿射形变的目标,并且性能优于先进跟踪算法。
  • [1] Cui X W, Wu Q Z, Jiang P, et al. Affine-invariant target tracking based on subspace representation[J]. Infrared and Laser Engineering, 2015, 44(2):769-774. (in Chinese)
    [2] Comaniciu D, Ramesh V, Meer P. Kernel-based object tracking[J]. IEEE Trans. Pattern Anal Mach Intell, 2003, 25(5):564-577.
    [3] Yang Y F, Tian Y, Yang F, et al. Tracking of infrared small-target based on improved Mean-Shift algorithm[J]. Infrared and Laser Engineering, 2014, 43(7):2164-2169. (in Chinese)
    [4] Rangarajan A, Chui H, Mjolsness E. A new distance measure for non-rigid image matching[C]//Energy Minimization Methods in CVPR, 1999:237-252.
    [5] Cazzanti L, Gupta M. Information-theoretic and set-theoretic similarity[C]//IEEE Int Conf on Symposium on Information Theory, 2006:1836-1840.
    [6] Cao W, Zhu M, He B G, et al. Overview of target tracking technology[J]. Chinese Optics, 2014, 7(3):365-372. (in Chinese)
    [7] Chen F, Wang Q, Wang S, et al. Object tracking via appearance modeling and sparse representation[J]. Image Vis Comput, 2011, 29(11):787-796.
    [8] Yang C, Duraiswami R, Davis L. Efficient mean-shift tracking via a new similarity measure[C]//IEEE Conf on Computer Vision and Pattern Recognition, 2005:176-183.
    [9] Elgammal A, Duraiswami R, Davis L. Probabilistic tracking in joint feature-spatial spaces[C]//IEEE Conf on Computer Vision and Pattern Recognition, 2003:781-788.
    [10] Viola P, W M, W III. Alignment by maximization of mutual information[J]. Int J Comput Vision, 1997, 24(2):137-154.
    [11] Hero A, Ma B, Michel O, et al. Applications of entropic spanning graphs[J]. IEEE Signal Proc Magazine, 2002, 19(5):85-95.
    [12] Garcia J A, Valdivia J F, Vidal X R F, et al. Information theoretic measure for visual target distinctness[J]. IEEE Trans Pattern Anal Mach Intell, 2001, 23(4):362-383.
    [13] Yao Z, Lai Z, Liu W. A symmetric KL divergence based spatiogram similarity measure[C]//Int Conf on Image Processing, 2011:193-196.
    [14] Cootes T, Taylor C, Cooper D, et al. Active shape models:Their training and application[J]. Comp Vis Ima Unders, 1995, 61(1):38-59.
    [15] Sclaroff S, Pentland A P. Model matching for correspondence and recognition[J]. IEEE Trans Patt Anal Mach Intell, 1995, 17(6):545-561.
    [16] Wang K, Zhao L, Li R. Fisheye omnidirectional camera calibration-Pinhole or spherical model[C]//IEEE Conf on Robotics and Biomimetics, 2014:873-877.
    [17] Xiao Z Z, Qichoo C, Anand A, et al. Measurement of large deformation by digital image correlation method based on seed points[J]. Optics and Precision Engineering, 2011, 19(9):2277-2282.
    [18] Bras S, Izadi M, Silvestre C, et al. Nonlinear observer for 3D rigid body motion[C]//IEEE Conf on Decision and Control, 2013:2588-2593.
    [19] Zhao L R, Zhu W, Cao Y G, et al. Application of improved SURF algorithm to feature matching[J]. Optics and Precision Engineering, 2013, 21(12):3263-3271. (in Chinese)
    [20] Smith S M, Brady J M. SUSAN-a new approach to low level image processing[J]. Int J Comput Vision, 1997, 23(1):45-78.
    [21] Xu J J. Fast image registration method based on Harris and SIFT algorithm[J]. Chinese Optics, 2015, 8(4):574-579. (in Chinese)
    [22] Kriegel H P, Kroger P, Sander J, et al. Density-based clustering[J]. Data Mining Knowl Discov, 2011, 1(3):231-240.
    [23] Grabner H, Bischof H. On-line boosting and vision[C]//IEEE Conf on Computer Vision and Pattern Recognition, 2006:260-267.
    [24] Wu Y, Lim J, Yang M H. Online object tracking:a benchmark[C]//IEEE Conf on Computer Vision and Pattern Recognition, 2013:2411-2418.
    [25] Wang X, Ma X, Grimson E. Unsupervised activity perception in crowded and complicated scenes using hierarchical Bayesian models[J]. IEEE Trans Pattern Anal Mach Intell, 2009, 31(3):539-555.
  • [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] 李晨曦, 史泽林, 刘云鹏.  红外成像灰度随距离变化的李群表达 . 红外与激光工程, 2018, 47(10): 1004002-1004002(6). doi: 10.3788/IRLA201847.1004002
    [4] 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
    [5] 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
    [6] 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
    [7] 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
    [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] 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 . 红外与激光工程, 2015, 44(2): 769-774.
    [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] 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.
    [15] 李少毅, 董敏周, 张凯, 闫杰.  用于目标跟踪的多光路成像技术 . 红外与激光工程, 2014, 43(6): 2035-2039.
    [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] 崔智高, 邓磊, 李艾华, 姜柯, 周杰.  采用地平面约束的双目PTZ主从跟踪方法 . 红外与激光工程, 2013, 42(8): 2252-2261.
    [18] 崔智高, 李艾华, 姜柯, 苏延召, 金广智.  双目协同多分辨率主动跟踪方法 . 红外与激光工程, 2013, 42(12): 3509-3516.
    [19] 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.
    [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:  160
  • HTML全文浏览量:  7
  • PDF下载量:  131
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-08-13
  • 修回日期:  2015-09-18
  • 刊出日期:  2016-04-25

采用高维数据聚类的目标跟踪

doi: 10.3788/IRLA201645.0428002
    作者简介:

    邵春艳(1987-),女,博士生,主要从事模式识别及图像处理方面的研究。Email:shaochunyan@sia.cn;罗海波(1967-),男,研究员,博士,主要从事图像处理与模式识别、成像跟踪、智能控制、并行信号处理器体系结构等方面的研究。Email:luohb@sia.cn

    邵春艳(1987-),女,博士生,主要从事模式识别及图像处理方面的研究。Email:shaochunyan@sia.cn;罗海波(1967-),男,研究员,博士,主要从事图像处理与模式识别、成像跟踪、智能控制、并行信号处理器体系结构等方面的研究。Email:luohb@sia.cn

  • 中图分类号: TP391

摘要: 根据刚体各部位具有变换一致性这一特性,提出一种采用高维数据聚类的目标跟踪方法。从数学理论方面证明提出的度量方法可以应用于目标跟踪, 称其为高维数据聚类跟踪器(HDDC tracker)。该算法框架如下,首先, 采用Harris检测器对模板与跟踪区域进行特征提取;然后利用这些特征的空间信息对所提取的特征进行编组;接着计算模板特征组与跟踪区域特征组间的仿射变换阵;最后,采用高维数据聚类对这些仿射变换阵进行度量, 将那些相似仿射阵对应的跟踪区域作为跟踪目标。实验表明: HDDC tracker能够有效地跟踪具有仿射形变的目标,并且性能优于先进跟踪算法。

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回