基于局部特征和Mean Shift的目标跟踪算法研究

›› 2015, Vol. 28 ›› Issue (6): 13-.

基于局部特征和Mean Shift的目标跟踪算法研究

席志红,李永佳,段炼

(1.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 150000;
2.哈尔滨体育学院财务处,黑龙江哈尔滨 150000)

出版日期:2015-06-15 发布日期:2015-06-20
作者简介:席志红(1965—),女,教授,博士生导师。研究方向:图像处理与应用,视觉目标探测与识别,信号检测与估计等。李永佳(1989—),男,硕士研究生。研究方向:信息系统与网络通信技术。E-mail:787370269

Research on Object Tracking Method Based on Local Feature and Mean Shift

XI Zhihong,LI Yongjia,DUAN Lian

(1.College of Information and Communication Engineering,Harbin Engineering University,Harbin 150000,China;
2.Financial Department,Harbin Institute of Physical Education,Harbin 150000,China)

Online:2015-06-15 Published:2015-06-20

摘要/Abstract

摘要：

利用均值漂移进行目标跟踪的算法,在被跟踪目标出现旋转、尺度变化、噪声干扰等情况下,无法得到准确的跟踪结果。文中提出了基于当前流行目标跟踪算法和局部特征相结合的算法,基于局部特征—形状上下文(Shape Context)特征的Mean Shift目标跟踪算法。该算法首先提取目标的轮廓信息和特征,根据采样点之间位置和距离关系建立Shape Context直方图,最后所有点的Shape Context直方图构成了图像的Shape Context特征,最后根据Mean Shift算法进行跟踪。实验结果表明,该算法在跟踪目标出现尺度变化、旋转、噪声干扰和遮挡等情况下能够准确地跟踪物体,鲁棒性好。

关键词: 局部特征, 形状上下文, 均值漂移, 目标跟踪

Abstract:

Accurate tracking results are unobtainable by the traditional algorithm of Mean Shift due to noise,rotation and changed scales of the target etc.A shape context tracking algorithm for Mean Shift objects is proposed by combining the current popular target tracking algorithm and local features.The contour information and features of shape context are extracted from the target.Then a shape context histogram is established according to the locations and spacing of sample points and the histograms of all the points constitutes the shape context feature of the image after which the Mean Shift algorithm is adopted for tracking.The experimental results show that the algorithm can accurately track the object with scale change,rotation,noise and is of good accuracy and robustness.

Key words: local feature;shape context;mean shift;target tracking

中图分类号:

TP391.41

席志红,李永佳,段炼. 基于局部特征和Mean Shift的目标跟踪算法研究[J]. , 2015, 28(6): 13-.

XI Zhihong,LI Yongjia,DUAN Lian. Research on Object Tracking Method Based on Local Feature and Mean Shift[J]. , 2015, 28(6): 13-.

[1]	姜婕. 自适应空域选择滤波分置阵列角度解模糊方法[J]. 电子科技, 2021, 34(6): 45-49.
[2]	黎阳,沈烨,刘敏,戴仁月,姜晓燕. 融合运动信息与表观信息的多目标跟踪算法[J]. 电子科技, 2020, 33(9): 21-25.
[3]	曾照,吴薇,汪欣. 改进的核相关滤波跟踪算法[J]. 电子科技, 2020, 33(3): 50-55.
[4]	王润玲. 自适应位置融合的目标跟踪算法[J]. 电子科技, 2019, 32(8): 12-16.
[5]	杨标,刘翔,汤显,陈俊廷. 智能工厂下的AGV多目标跟踪[J]. 电子科技, 2019, 32(11): 23-27.
[6]	秦海报. 基于模板匹配的快速少纹理目标识别算法[J]. 电子科技, 2019, 32(1): 47-51.
[7]	曹伟东，张中炜. 机器视觉下升降机内人数检测算法[J]. , 2016, 29(9): 22-.
[8]	贺宏洲,秦玉峰,杨渝波,杨立明,雷静. 目标跟踪的转换量测卡尔曼滤波算法性能分析[J]. , 2016, 29(5): 112-.
[9]	马可,郗蕴天,李慧敏. 主动防护系统高速目标跟踪误差分析[J]. , 2016, 29(4): 158-.
[10]	方正涛，陈临强. 基于图像感知哈希的行人跟踪算法[J]. , 2016, 29(11): 112-.
[11]	张恒,金晅宏. 基于视频的人体运动目标跟踪研究[J]. , 2015, 28(6): 75-.
[12]	谷文华,蒋念平,李振兴. 基于粒子滤波的TLD目标跟踪算法[J]. , 2015, 28(12): 45-.
[13]	王帅,韩峻峰. 基于立体视觉技术的实时测距系统研究[J]. , 2015, 28(10): 78-.
[14]	韩骏浩,赵怀勋. 一种改进的人体行为检测与跟踪算法研究[J]. , 2014, 27(9): 25-.
[15]	刘柯,魏纳新,刘飞. 基于Kalman滤波的均值漂移目标跟踪算法[J]. , 2014, 27(9): 37-.