电子学报 ›› 2015, Vol. 43 ›› Issue (1): 74-78.DOI: 10.3969/j.issn.0372-2112.2015.01.012

• 学术论文 • 上一篇    下一篇

基于局部分块学习的在线视觉跟踪

余旺盛1, 田孝华1, 侯志强1, 查宇飞2   

  1. 1. 空军工程大学信息与导航学院, 陕西 西安 710077;
    2. 空军工程大学航天航空工程学院, 陕西 西安 710038
  • 收稿日期:2013-10-23 修回日期:2014-04-10 出版日期:2015-01-25 发布日期:2015-01-25
  • 作者简介:余旺盛 男, 1985年1月出生, 湖南平江人, 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10月出生, 湖南石门人, 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,No.61203268)

Online Visual Tracking Based on Local Patch Learning

YU Wang-sheng1, TIAN Xiao-hua1, HOU Zhi-qiang1, ZHA Yu-fei2   

  1. 1. Information and Navigation College, Air Force Engineering University, Xi'an, Shaanxi 710077, China;
    2. Aeronautics and Astronautics Engineering College, Air Force Engineering University, Xi'an, Shaanxi 710038, China
  • Received:2013-10-23 Revised:2014-04-10 Online:2015-01-25 Published:2015-01-25

摘要:

视觉跟踪中,如何构建一种能够适应目标表观特征变化的目标模型是增强算法跟踪精度和稳定性的关键之一.本文提出利用跟踪区域内像素的初始分类标记来构建目标的局部分块模型,并在贝叶斯理论框架下提出了基于局部分块学习的在线视觉跟踪算法.首先,利用标定的初始跟踪区域构建目标的局部分块模型;然后,在当前跟踪区域中通过局部分块学习和贝叶斯估计确定当前帧的跟踪结果;最后,利用特征聚类对局部分块模型进行更新.实验结果表明:所提算法对目标表观变化的适应性明显增强,跟踪精度和稳定性较近年来的同类算法均有一定提高.

关键词: 视觉跟踪, 局部分块模型, 贝叶斯估计, 模型更新

Abstract:

In visual tracking,how to construct an object model to cope with the appearance change is one of the key problems to improve tracking precision and stability.To resolve this problem,this paper proposes to construct a local patch model using the initial labels of the pixels in tracking area,and proposes an online visual tracking algorithm based on local patch learning under the framework of Bayesian theory.The detailed operation is as follows.Firstly,it constructs the local patch model according to the initialized tracking area.Then,it utilizes the object model to learn the local patches in current tracking area and estimates the current state via Bayes estimation.Finally,it updates the local patch model by feature clustering.The experiment results indicate that the proposed algorithm obtains a distinct improvement in coping with appearance change,and exceeds the recent local patch-based trackers in both tracking precision and stability.

Key words: visual tracking, local patch model, Bayes estimation, model update

中图分类号: