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

一种用于无人机的目标颜色核相关跟踪算法研究

曲蕴杰 莫宏伟 王常虹

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[J]. 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
引用本文: 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[J]. 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
Qu Yunjie, Mo Hongwei, Wang Changhong. A target color kernel correlation tracking algorithm for UAVs[J]. Infrared and Laser Engineering, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
Citation: Qu Yunjie, Mo Hongwei, Wang Changhong. A target color kernel correlation tracking algorithm for UAVs[J]. Infrared and Laser Engineering, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001

一种用于无人机的目标颜色核相关跟踪算法研究

doi: 10.3788/IRLA201847.0326001
详细信息
    作者简介:

    曲蕴杰(1971-),男,研究员,博士生,主要从事导航制导与控制方面的研究。Email:quyunjie2016@163.com

  • 中图分类号: TP391

A target color kernel correlation tracking algorithm for UAVs

  • 摘要: 利用CSK算法从图像碎片中提取运动目标的一个最小二乘分类,引入多通道颜色特征标定运动目标,通过当前图片碎片中的核函数周期性假设循环结构,一定程度拟补CSK算法使用目标灰度特征描述能力的不足。采用PCA降低特征维度并去除特征冗余信息,提高分类器参数更新速度,解决了CSK算法分类器参数更新线性化、无法适应目标发生较大变化时的运动目标跟踪问题。利用benchmark测试平台的算法集与测试数据集进行了实验,目标颜色核相关跟踪算法(TCKCT)的实验结果表明,对光照变化、背景杂乱、目标形变、目标运动速度较快、目标运动幅度较大的情况下,算法都有较好的跟踪效果。无人机跟踪遥控小车的物理实验结果,进一步验证了TCKCT算法特性,良好的实时性能够满足无人机目标跟踪要求,具有良好的实际应用前景。
  • [1] You Peihan, Hu Yu, Sheng Ping, et al. A self-adjust image matching tracking system design based on DSP and FPGA[J]. Journal of Projectiles, Rockets, Missiles and Guidance,2013, 33(5):16-22. (in Chinese)游培寒, 胡瑜, 盛平, 等. 一种基于DSP和FPGA的自适应模版匹配跟踪系统设计[J]. 弹箭与制导学报, 2013, 33(5):16-22.
    [2] Jiang Xuejun, Wan Xiaodong. Research on target tracking algorithm for template drift correction[J]. Modern Computer (Professional Edition), 2013, 24(16):25-29. (in Chinese)姜学军,万晓东. 模版漂移纠正的目标跟踪算法研究[J]. 现代计算机(专业版), 2013, 24(16):25-29.
    [3] Adam A, Rivlin E, Shimshoni I. Robust fragments-based tracking using the integral histogram[C]//2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR, 2006.
    [4] He S, Yang Q, Lau R, et al. Visual tracking via locality sensitive histograms[C]//2013 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR, 2013.
    [5] Zhang K, Zhang L, Yang M. Real-time compressive tracking[C]//Computer Vision-ECCV, 2012:864-877.
    [6] Yu Jizhou, Liu Huixia, Liu Chengyu, et al. Application of AMAUKF on the condition of target re-tracked by UAV[J]. Computer Measurement Control, 2012, 20(2):516-519. (in Chinese)余霁洲, 刘慧霞, 刘承禹,等. AMAUKF应用于无人机跟踪目标再捕获研究[J]. 计算机测量与控制, 2012, 20(2):516-519.
    [7] Sevilla-Lara L, Learned-Miller E. Distribution fields for tracking[C]//2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR, 2012.
    [8] Dong Liang. Theory and method of video multi-target tracking[D]. Xi'an:Xidian University, 2014. (in Chinese)董亮. 视频多目标跟踪的理论与方法[D].西安:西安电子科技大学, 2014.
    [9] Zhong W, Lu H, Yang M H. Robust object tracking via sparsity-based collaborative model[C]//2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR, 2012.
    [10] Zhang K, Zhang L, Yang M, et al. Fast tracking via spatio-temporal context learning[C]//ECCV, 2014.
    [11] Zhang Miaohui, Xin Ming, Yang Jie. Adaptive multi-feature tracking in particle swarm optimization based particle filter framework[J]. Journal of Systems Engineering and Electronics, 2012, 23(5):775-783.
    [12] Dai Fenglin. An object free adaptive multi view tracking system[D]. Shanghai:Fudan University, 2012. (in Chinese)戴凤麟. 无标定的自适应多视角跟踪系统[D]. 上海:复旦大学, 2012.
    [13] Zhao Lingling. Research on particle filter and probability hypothesis density filtering in target tracking[D]. Harbin:Harbin Institute of Technology, 2011. (in Chinese)赵玲玲. 目标跟踪中的粒子滤波与概率假设密度滤波研究[D]. 哈尔滨:哈尔滨工业大学, 2011.
    [14] Kalal Z, Matas J, Mikolajczyk K. P-N learning:Bootstrapping binary classifiers by structural constraints[C]//2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR, 2010.
    [15] Wu Y, Lim J, Yang M H. Online object tracking:A benchmark[C]//2013 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR, 2013.
    [16] Scholkopf B, Smola A J. Learning with Kernels:Support Vector Machines, Regularization, Optimization, and Beyond[M]. Cambridge:The MIT Press, 2002.
    [17] Liu Y, Zhang D, Lu G, et al. Region-based image retrieval with high-level semantic color names[C]//2005 Proceedings of the 11th International Multi-Media Modeling Conference(MMM'05), 2005.
    [18] Kalal Z, Mikolajczyk K, Matas J. Tracking-Learning-Detection[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2012, 34(7):1409-1422.
  • [1] 薛珊, 张振, 吕琼莹, 曹国华, 毛逸维.  基于卷积神经网络的反无人机系统图像识别方法 . 红外与激光工程, 2020, 49(7): 20200154-1-20200154-8. doi: 10.3788/IRLA20200154
    [2] 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
    [3] 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
    [4] 秦玉鑫, 陈宇, 乔恒恒, 车子琪, 张公平.  灾情侦测无人机动态航迹规划算法设计 . 红外与激光工程, 2019, 48(10): 1026003-1026003(6). doi: 10.3788/IRLA201948.1026003
    [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] 刘连伟, 杨淼淼, 邹前进, 姚梅, 王敏, 许振领.  无人机红外辐射建模与图像仿真 . 红外与激光工程, 2017, 46(6): 628002-0628003(7). doi: 10.3788/IRLA201746.0628002
    [9] 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
    [10] 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
    [11] 黄楠楠, 刘贵喜, 张音哲, 姚李阳.  无人机视觉导航算法 . 红外与激光工程, 2016, 45(7): 726005-0726005(9). doi: 10.3788/IRLA201645.0726005
    [12] 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.
    [13] 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.
    [14] 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.
    [15] 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.
    [16] 孙占久, 聂宏, 黄伟.  无人机红外辐射特性计算与分析 . 红外与激光工程, 2014, 43(4): 1037-1046.
    [17] 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.
    [18] 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.
    [19] 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.
    [20] 何思远, 刘刚, 王玲, 唐延东.  基于无人机的输电线路设备识别方法研究 . 红外与激光工程, 2013, 42(7): 1940-1944.
  • 加载中
计量
  • 文章访问数:  146
  • HTML全文浏览量:  17
  • PDF下载量:  104
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-10-31
  • 修回日期:  2017-11-30
  • 刊出日期:  2018-03-25

一种用于无人机的目标颜色核相关跟踪算法研究

doi: 10.3788/IRLA201847.0326001
    作者简介:

    曲蕴杰(1971-),男,研究员,博士生,主要从事导航制导与控制方面的研究。Email:quyunjie2016@163.com

  • 中图分类号: TP391

摘要: 利用CSK算法从图像碎片中提取运动目标的一个最小二乘分类,引入多通道颜色特征标定运动目标,通过当前图片碎片中的核函数周期性假设循环结构,一定程度拟补CSK算法使用目标灰度特征描述能力的不足。采用PCA降低特征维度并去除特征冗余信息,提高分类器参数更新速度,解决了CSK算法分类器参数更新线性化、无法适应目标发生较大变化时的运动目标跟踪问题。利用benchmark测试平台的算法集与测试数据集进行了实验,目标颜色核相关跟踪算法(TCKCT)的实验结果表明,对光照变化、背景杂乱、目标形变、目标运动速度较快、目标运动幅度较大的情况下,算法都有较好的跟踪效果。无人机跟踪遥控小车的物理实验结果,进一步验证了TCKCT算法特性,良好的实时性能够满足无人机目标跟踪要求,具有良好的实际应用前景。

English Abstract

参考文献 (18)

目录

    /

    返回文章
    返回