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

基于稀疏表示多子模板的鲁棒目标跟踪算法

卢瑞涛 任世杰 申璐榕 杨小冈

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[J]. 红外与激光工程, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
引用本文: 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[J]. 红外与激光工程, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
Lu Ruitao, Ren Shijie, Shen Lurong, Yang Xiaogang. Robust template patches-based object tracking with sparse representation[J]. Infrared and Laser Engineering, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
Citation: Lu Ruitao, Ren Shijie, Shen Lurong, Yang Xiaogang. Robust template patches-based object tracking with sparse representation[J]. Infrared and Laser Engineering, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003

基于稀疏表示多子模板的鲁棒目标跟踪算法

doi: 10.3788/IRLA201948.0326003
基金项目: 

国家自然科学基金(61203189,61773389,61203189);陕西省组合与智能导航重点实验室开放基金(SKLⅡN-20180103)

详细信息
    作者简介:

    卢瑞涛(1988-),男,讲师,博士,主要从事图像目标检测与跟踪技术方面的研究。Email:lrt19880220@163.com

    通讯作者: 杨小冈(1978-),男,教授,博士生导师,博士,主要从事图像识别与精确制导技术方面的研究。Email:doctoryxg@163.com
  • 中图分类号: TP391.4

Robust template patches-based object tracking with sparse representation

  • 摘要: 目标跟踪技术是一项富有挑战性的研究课题,在红外成像搜索、红外精确制导、智能监控、运动识别等领域有着广泛的应用。文中提出了一种基于稀疏表示多子模板的鲁棒目标跟踪算法。首先,提出一种基于自适应辨别信息的子模板选择方法,最大限度地捕捉目标的结构信息,提高模板子块的整体描述;针对直方图对光照敏感的缺点,引入了稀疏表示理论对子模板进行描述,提高模板子块的表达能力和适应能力;其次通过构造表决图的形式对目标位置进行表决和融合决策;最后设计了一种动态的子模板更新策略,来有效地应对目标外观模型的变化。在大量测试图像序列中的仿真实验表明,文中所提算法可以有效应对形变、光照变化、部分遮挡、完全遮挡以及虚假目标干扰和背景干扰,具有较高的鲁棒性。
  • [1] He Y, Li M, Zhang J, et al. Infrared target tracking based on robust low-rank sparse learning[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(2):232-236.
    [2] Ma Tianyi, Zhang Hurxiang, Song Minmin, et al. Anti-occluded infrared target tracking with salient feature space[J]. Infrared and Laser Engineering, 2017, 46(3):0304002. (in Chinese)
    [3] Lu R, Xu W, Zheng Y, et al. Visual tracking via probabilistic hypergraph ranking[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2017, 27(4):866-879.
    [4] Hager G D, Dewan M, Stewart C V. Multiple kernel tracking with SSD[C]//Proceedings of ICCV, 2004:790-797.
    [5] Adam A, Rivlin E, Shimshoni I. Robust fragments-based tracking using the integral histogram[C]//Proceedings of CVPR, 2006:798-805.
    [6] Bins J, Dihl L L, Jung C R. Target tracking using multiple patches and weighted vector median filters[J]. Journal of Mathematical Imaging Vision, 2013, 45(3):293-307.
    [7] Nejhum S M, Ho J, Yang M H. Online visual tracking with histograms and articulating blocks[C]//Proceedings of CVPR, 2008:1-8.
    [8] Yao R, Shi Q, Shen C, et al. Part-based robust tracking using online latent structured learning[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2017, 27(6):1235-1248.
    [9] Mei X, Ling H. Robust visual tracking using l1 minimization[C]//Proceedings of ICCV, 2009:1436-1443.
    [10] Wright J, Yang A, Ganesh A, et al. Robust face recognition via sparse representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009, 31(2):1-18.
    [11] Wang Huigai, Li Zhengzhou, Gu Yuanshan, et al. Dim target detection method based on muti-scale adaptive sparse dictionary[J]. Infrared and Laser Engineering, 2014, 43(7):2371-2378. (in Chinese)
    [12] Comaniciu D, Meer P. Mean Shift:A robust approach toward feature space analysis[J]. IEEE Transactions on Pattern Analysis Machine Intelligence, 2002, 24(5):603-619.
  • [1] 张秀, 周巍, 段哲民, 魏恒璐.  基于专家场先验模型的图像超分辨重建算法 . 红外与激光工程, 2019, 48(6): 626002-0626002(8). doi: 10.3788/IRLA201948.0626002
    [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] 刘永峰, 王年, 王峰, 李从利, 刘晓, 徐国明.  基于谱间相似性的高光谱图像稀疏超分辨率算法 . 红外与激光工程, 2019, 48(S1): 181-192. doi: 10.3788/IRLA201948.S128003
    [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] 薛俊韬, 倪晨阳, 杨斯雪.  特征聚类的局部敏感稀疏图像修复 . 红外与激光工程, 2018, 47(11): 1126001-1126001(9). doi: 10.3788/IRLA201847.1126001
    [7] 叶华, 谭冠政, 李广, 刘晓琼, 李晋, 周聪, 朱会杰.  基于稀疏表示与粒子群优化算法的非平稳信号去噪研究 . 红外与激光工程, 2018, 47(7): 726005-0726005(8). doi: 10.3788/IRLA201847.0726005
    [8] 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
    [9] 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
    [10] 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
    [11] 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
    [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] 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:  129
  • HTML全文浏览量:  17
  • PDF下载量:  47
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-10-05
  • 修回日期:  2018-11-03
  • 刊出日期:  2019-03-25

基于稀疏表示多子模板的鲁棒目标跟踪算法

doi: 10.3788/IRLA201948.0326003
    作者简介:

    卢瑞涛(1988-),男,讲师,博士,主要从事图像目标检测与跟踪技术方面的研究。Email:lrt19880220@163.com

    通讯作者: 杨小冈(1978-),男,教授,博士生导师,博士,主要从事图像识别与精确制导技术方面的研究。Email:doctoryxg@163.com
基金项目:

国家自然科学基金(61203189,61773389,61203189);陕西省组合与智能导航重点实验室开放基金(SKLⅡN-20180103)

  • 中图分类号: TP391.4

摘要: 目标跟踪技术是一项富有挑战性的研究课题,在红外成像搜索、红外精确制导、智能监控、运动识别等领域有着广泛的应用。文中提出了一种基于稀疏表示多子模板的鲁棒目标跟踪算法。首先,提出一种基于自适应辨别信息的子模板选择方法,最大限度地捕捉目标的结构信息,提高模板子块的整体描述;针对直方图对光照敏感的缺点,引入了稀疏表示理论对子模板进行描述,提高模板子块的表达能力和适应能力;其次通过构造表决图的形式对目标位置进行表决和融合决策;最后设计了一种动态的子模板更新策略,来有效地应对目标外观模型的变化。在大量测试图像序列中的仿真实验表明,文中所提算法可以有效应对形变、光照变化、部分遮挡、完全遮挡以及虚假目标干扰和背景干扰,具有较高的鲁棒性。

English Abstract

参考文献 (12)

目录

    /

    返回文章
    返回