基于稀疏表示多子模板的鲁棒目标跟踪算法

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

文章导航 > 红外与激光工程 > 2019 > 48(3): 326003-0326003(8)

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

1.
火箭军工程大学导弹工程学院,陕西西安 710025;
2.
国防科技大学智能科学学院,湖南长沙 410073

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）

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

1.
College of Missile Engineering,Rocket Force University of Engineering,Xi'an 710025,China;
2.
College of Intelligence Science,National University of Defense Technology,Changsha 410073,China

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。
- 目标跟踪 /
- 模板子块 /
- 稀疏表示 /
- 模板更新
Abstract: Object tracking is a challenging research topic, which is widely used in infrared imaging search, infrared precision guidance, intelligent surveillance, motion recognition and other fields. In this paper, a robust template patches-based target tracking method with sparse representation was proposed. Firstly, the adaptive template patches selection mechanism was proposed using the discriminative information to capture the target. Then, the sparse representation was introduced to describe the patches to deal with the shortcoming of histogram's sensitivity to light, which expanded the application of the algorithm. Thirdly, the target location was voted and fused by constructing a voting map. Finally, a dynamic updating scheme of patches was proposed to address appearance variations. The simulation experiments of test image sequences demonstrate the robustness of the proposed tracker, which is able to deal with many challenges, such as deformation, changes of illumination, partial and total occlusions, false target jamming and background interference.
- object tracking /
- template patches /
- sparse representation /
- template update

[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]	王向军, 朱慧. 利用国产FPGA的高帧率目标跟踪方法 . 红外与激光工程, 2023, 52(9): 20220905-1-20220905-12. doi: 10.3788/IRLA20220905
[2]	秦丽丽, 李丽娟, 任姣姣, 顾健, 熊伟华, 张丹丹, 祝莉莉, 张霁旸, 薛竣文, 江柏红, 高增华. 基于梯度阈值的太赫兹时域信号自适应稀疏算法 . 红外与激光工程, 2023, 52(4): 20220443-1-20220443-12. doi: 10.3788/IRLA20220443
[3]	张景程, 乔新博, 赵永强. 红外偏振摄像机动目标检测跟踪系统（特邀） . 红外与激光工程, 2022, 51(4): 20220233-1-20220233-10. doi: 10.3788/IRLA20220233
[4]	许聪, 孙大鹰, 曹子奇, 李春琦, 顾文华. 采用自适应模糊优化的目标跟踪加速方案 . 红外与激光工程, 2022, 51(2): 20210864-1-20210864-8. doi: 10.3788/IRLA20210864
[5]	陈宏宇, 罗海波, 惠斌, 常铮. 采用多特征融合的子块自动提取方法 . 红外与激光工程, 2021, 50(8): 20200407-1-20200407-9. doi: 10.3788/IRLA20200407
[6]	赵璐, 熊森. 多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
[7]	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
[8]	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
[9]	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
[10]	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
[11]	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
[12]	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
[13]	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
[14]	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
[15]	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
[16]	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.
[17]	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.
[18]	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.
[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.

WeChat

点击查看大图

计量

文章访问数: 620
HTML全文浏览量: 115
PDF下载量: 56
被引次数: 0

基于稀疏表示多子模板的鲁棒目标跟踪算法

doi: 10.3788/IRLA201948.0326003

1. 火箭军工程大学导弹工程学院,陕西西安 710025;

2. 国防科技大学智能科学学院,湖南长沙 410073

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

收稿日期: 2018-10-05
修回日期: 2018-11-03
刊出日期: 2019-03-25

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

关键词:

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

全文HTML

参考文献 (12)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回