基于关键区域特征匹配的视觉跟踪算法

doi:10.3969/j.issn.0372-2112.2014.11.004

电子学报 ›› 2014, Vol. 42 ›› Issue (11): 2150-2156.DOI: 10.3969/j.issn.0372-2112.2014.11.004

基于关键区域特征匹配的视觉跟踪算法

余旺盛, 田孝华, 侯志强, 黄安奇, 刘翔

空军工程大学信息与导航学院, 陕西西安 710077

收稿日期:2013-08-22 修回日期:2014-07-12 出版日期:2014-11-25
- 作者简介:
- 余旺盛 男,1985年出生于湖南平江,分别于2008年和2010年获空军工程大学电讯工程学院信号与信息处理专业学士学位和硕士学位,现于空军工程大学信息与导航学院攻读博士学位,主要研究方向为数字图像处理与模式识别. E-mail:xing_fu_yu@sina.com;田孝华 男,1965年出生于湖南石门,2003年获西安电子科技大学信号与信息处理专业博士学位,现为空军工程大学信息与导航学院教授、博士研究生导师,主要研究领域为无线电定位、阵列信号处理、非平稳信号处理、无线电导航等. E-mail:xht65@sina.com
- 基金资助:
- 国家自然科学基金 (No.61175029)

Visual Tracking Algorithm Based on Feature Matching of Key Regions

YU Wang-sheng, TIAN Xiao-hua, HOU Zhi-qiang, HUANG An-qi, LIU Xiang

Information and Navigation College, Air Force Engineering University, Xi'an, Shaanxi, 710077, China

Received:2013-08-22 Revised:2014-07-12 Online:2014-11-25 Published:2014-11-25
- Supported by:
- National Natural Science Foundation of China (No.61175029)

摘要/Abstract

摘要：

针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性.

关键词: 视觉跟踪, 区域分割, 区域匹配, 标记分水岭

Abstract:

In order to cope with the complex variation of target appearance during visual tracking,a robust tracking algorithm based on feature matching of key regions is proposed.Firstly,it initializes the target model and obtains target candidate through filter prediction.Then,it extracts the key regions of target model and target candidate using adaptive marker-based watershed algorithm and describes them with multiple features.Finally,it matches the key regions to get the mapping from target model to target candidate and calculates the final tracking results to output and update the target model.The proposed algorithm is tested on the video database containing the appearance variation of scale,occlusion,rotation,illumination,pose,background clutters,and motion blur.The experimental results demonstrate that the proposed algorithm can well cope with the complex appearance variation,especially shows the robustness to the partial occlusion,illumination and background clutters.

Key words: visual tracking, region segmentation, region matching, marker-based watershed

中图分类号:

TP391.41

余旺盛, 田孝华, 侯志强, 等. 基于关键区域特征匹配的视觉跟踪算法[J]. 电子学报, 2014, 42(11): 2150-2156.

YU Wang-sheng, TIAN Xiao-hua, HOU Zhi-qiang, et al. Visual Tracking Algorithm Based on Feature Matching of Key Regions[J]. Acta Electronica Sinica, 2014, 42(11): 2150-2156.

参考文献

[1] DComaniciu,et al.Kernel-based object tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2003,25(5):564-577.
[2] AAdam,et al.Robust fragment-based tracking using integral histogram[A].In:Proceedings of the 21st IEEE Conference on Computer Vision and Pattern Recognition[C].New York,USA,IEEE Press,2008.798-805.
[3] HGrabner,et al.Real-time tracking via online boosting[A].In:Proceedings of British Machine Vision Conference[C].Edinburgh,UK,BMVA Press,2006.47-56.
[4] BBabenko,et al.Robust object tracking with online multiple instance learning[J].IEEE Transactions on Pattern Analysis and Machine Intelligence.2011,33(8):1619-1632.
[5] RYao,et al.Part-based visual tracking with online latent structural learning[A].In:Proceedings of the 26th IEEE Conference on Computer Vision and Pattern Recognition[C].Portland,USA,IEEE Press,2013.2363-2370.
[6] 蔺海峰,等.基于SIFT 特征目标跟踪算法研究[J].自动化学报.2010,36(8):1024-1028. H F Lin,et al.Research on object tracking algorithm based on SIFT[J].Acta Automatica Sinica.2010,36(8):1024-1028.(in Chinese)
[7] 刘玉,等.一种基于SIFT 和KLT 相结合的特征点跟踪方法研究[J].宇航学报,2011,32(7):1618-1627. YLiu,et al.A feature point tracking method based on the combination of SIFT algorithm and KLT matching algorithm[J].Journal of Astronautics,2011,32(7):1618-1627.(in Chinese)
[8] BFeng,et al.Tracking object by combining particle filters and SIFT features[A].In:Proceedings of the 5th International Conference on Image and Graphics[C].Xi'an,China,IEEE Press,2009.527-532.
[9] HZhou,et al.Object tracking using SIFT features and mean shift[J].Computer Vision and Image Understanding.2009,113(3):345-352.
[10] 余旺盛,等.基于标记分水岭和区域合并的彩色图像分割[J].电子学报,2011,39(5):1007-1012. W S Yu,et al.Color image segmentation based on marked-watershed and region-merger[J].Acta Electronica Sinica,2011,39(5):1007-1012.(in Chinese)

[1]	仇祝令, 查宇飞, 吴敏, 王青. 基于注意力学习的正则化相关滤波跟踪算法[J]. 电子学报, 2020, 48(9): 1762-1768.
[2]	蒲磊, 冯新喜, 侯志强, 余旺盛. 基于二阶池化网络的鲁棒视觉跟踪算法[J]. 电子学报, 2020, 48(8): 1472-1478.
[3]	金泽芬芬, 侯志强, 余旺盛, 王鑫, 寇人可. 基于量子遗传算法的视觉目标跟踪[J]. 电子学报, 2020, 48(8): 1493-1501.
[4]	蒲磊, 冯新喜, 侯志强, 查宇飞, 余旺盛. 基于深度空间正则化的相关滤波跟踪算法[J]. 电子学报, 2020, 48(10): 2025-2032.
[5]	范舜奕, 管桦, 侯志强, 余旺盛, 戴铂. 基于多表观特征子模型更新的鲁棒视觉跟踪[J]. 电子学报, 2018, 46(2): 440-446.
[6]	王慧斌, 高国伟, 徐立中, 文成林. 基于纹理特征的多区域水平集图像分割方法[J]. 电子学报, 2018, 46(11): 2588-2596.
[7]	陈侃松, 阮玉龙, 戴磊, 兰智高, 邵建设. 区域分割的自适应变异粒子群算法[J]. 电子学报, 2017, 45(8): 1849-1855.
[8]	孙巧, 张胜修, 张正新, 曹立佳, 李小锋. 基于加权重叠率的单目标视觉跟踪评价指标[J]. 电子学报, 2017, 45(3): 753-761.
[9]	宋涛, 李鸥, 刘广怡, 崔弘亮. 基于改进协作目标外观模型的在线视觉跟踪[J]. 电子学报, 2017, 45(2): 384-393.
[10]	余旺盛, 李卫华, 侯志强. 分层结构直方图及其应用[J]. 电子学报, 2017, 45(11): 2617-2624.
[11]	宋涛, 李鸥, 刘广怡. 基于置信区域内多级动态层表达的类贯序蒙特卡洛视觉跟踪方法[J]. 电子学报, 2016, 44(6): 1355-1361.
[12]	薛模根, 朱虹, 袁广林. 在线鲁棒判别式字典学习视觉跟踪[J]. 电子学报, 2016, 44(4): 838-845.
[13]	袁广林, 薛模根. 基于主分量寻踪的鲁棒视觉跟踪[J]. 电子学报, 2015, 43(3): 417-423.
[14]	陈震, 张聪炫, 晏文敬, 吴燕平. 基于图像局部结构的区域匹配变分光流算法[J]. 电子学报, 2015, 43(11): 2200-2209.
[15]	余旺盛, 田孝华, 侯志强, 查宇飞. 基于局部分块学习的在线视觉跟踪[J]. 电子学报, 2015, 43(1): 74-78.

基于关键区域特征匹配的视觉跟踪算法

Visual Tracking Algorithm Based on Feature Matching of Key Regions

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics