融合边缘片断与水平集分割的目标跟踪算法

doi:10.3969/j.issn.1001-2400.2011.06.024

J4 ›› 2011, Vol. 38 ›› Issue (6): 146-151.doi: 10.3969/j.issn.1001-2400.2011.06.024

融合边缘片断与水平集分割的目标跟踪算法

高晶;毕笃彦;赵晓林

(空军工程学院信号与信息处理实验室，陕西西安 710038)

收稿日期:2010-10-12 出版日期:2011-12-20 发布日期:2011-11-29
通讯作者: 高晶
作者简介:高晶(1981-)，男，空军工程大学博士研究生，E-mail: afeu777@163.com
基金资助:
国家863计划资助项目(2007AA701206)

Non-rigid object tracking based on the boundary fragment feature and level set segmentation

GAO Jing;BI Duyan;ZHAO Xiaolin

(Signal and Information Processing Lab., Air Force Eng. Univ., Xi'an 710038， China)

Received:2010-10-12 Online:2011-12-20 Published:2011-11-29
Contact: GAO Jing

摘要/Abstract

摘要：

提出了一种融合边缘片断特征与水平集分割的非刚体目标跟踪算法．首先通过Gentle AdaBoost训练器训练得到目标边缘特征字典；然后在每一帧图像中把目标边缘特征字典与图像边缘作Chamfer匹配，通过把具备鉴别能力的图像边缘片断特征嵌入到水平集能量函数中，用来降低背景中边缘信息的干扰．实验结果表明，在非刚体目标局部被遮挡的情况下，仍能准确获得目标轮廓，体现出了该跟踪算法良好的跟踪性能．

关键词: 目标跟踪, 水平集分割, 边缘片断特征

Abstract:

To track non-rigid objects exactly, conventional methods typically suffer from two problems: 1) fast local shape deformation and 2) occlusion. This paper proposes a novel non-rigid object tracking algorithm based on boundary fragments matching and level set segmentation. Our approach embeds the discriminative object boundary feature learned by Adaboost into the levelset energy function. Both efficiency and adaptability of our algorithm are demonstrated by experimental results.

Key words: object tracking, level set setmentation, boundary fragments

中图分类号:

TP391.4

高晶;毕笃彦;赵晓林. 融合边缘片断与水平集分割的目标跟踪算法[J]. J4, 2011, 38(6): 146-151.

GAO Jing;BI Duyan;ZHAO Xiaolin. Non-rigid object tracking based on the boundary fragment feature and level set segmentation[J]. J4, 2011, 38(6): 146-151.

参考文献

［1］ Hao Wu, Sankaranarayanan C, Chellappa, R. Online Empirical Evaluation of Tracking Algorithms［J］. IEEE Trans on Patt Analy Mach Intell, 2010, 32(8): 1443-1458.
［2］ Jiang F, Wang GJ, Liu C, et al. Robust Object Tracking via Combining Observation Models［J］. IEICE Trans on Information and Systems, 2010, 9(3): 662-665.
［3］ Grabner J S H, Bischof H, Matas J. Training Sequential On-line Boosting Classifier for Visual Tracking［C］//IEEE Conference on Computer Vision and Pattern Recognition. Tampa: IEEE, 2008: 322-329.
［4］ Isard M, Blake A. Condensation-conditional Density Propagation for Visual Tracking［J］. International Journal of Comput Vision 1998, 29(1): 5-28.
［5］ Osher S J, Fedkiw R P. Level Set Methods and Dynamic Implicit Surfaces［M］. New York: Springer Verlag, 2002.
［6］ Rousson M, Paragios N. Shape Priors for Level Set Representations［C］//European Conference on Computer Vision: Vol Ii. New York: IEEE, 2002: 78-92.
［7］ Leventon M E, Grimson W E L, Faugeras O. Statistical Shape Influence in Geodesic Active Contours［C］//IEEE Conference on Computer Vision and Pattern Recognition: Vol I. New York: IEEE, 2000: 316-323.
［8］ Cremers D, Schmidt F R, Barthel F. Shape Priors in Variational Image Segmentation: Convexity, Lipschitz Continuity and Globally Optimal Solutions［C］//IEEE Conference on Computer Vision and Pattern Recognition. Anchorage: IEEE, 2008: 810-815.
［9］ Fergus R, Perona P, Zisserman A. A Visual Category Filter for Google Images［C］//European Conference on Computer Vision: Vol 1. Prague: Springer-Verlag, 2004: 242-256.
［10］ Chen J Q, Pappas T N, Mojsilovic A, et al. Adaptive Perceptual Color-texture Image Segmentation［J］. IEEE Trans on Image Process, 2005(14): 1524-1536.
［11］汪凯斌, 俞卞章, 王琦, 等. 无须反复初始化的活动围道纹理分割方法［J］. 西安电子科技大学学报, 2008, 35(3): 542-545.
Wang Kaibin, Yu Bianzhang, Wang Qi, et al. Texture Image Segmentation Using the without Re-initialization Geodesic Active Contour Model［J］. Journal of Xidian University, 2008, 35(3): 542-545.
［12］ Leibe B, Schiele B. Analyzing Appearance and Contour Based Methods for Object Categorization［C］//IEEE Computer Society Conference on Computer Vision and Pattern Recognition: Vol Ii. New York: IEEE, 2003: 409-415.
［13］ Wu B, Nevatia R. Detection of Multiple, Partially Occluded Humans in a Single Image by Bayesian Combination of Edgelet Part Detectors［C］//IEEE International Conference on Computer Vision: Vol 1. New York: IEEE, 2005: 90-97.
［14］ Friedman J, Hastie T, Tibshirani R. Additive Logistic Regression: a Statistical View of Boosting［J］. Ann Stat, 2000(28): 337-374.
［15］ Chan T F, Vese L A. Active Contours without Edges［J］. IEEE Trans on Image Process, 2001(10): 266-277.
(2011, Vol.38, No.6, 146-151)

[1]	宋建锋,苗启广,王崇晓,徐浩,杨瑾. 注意力机制的多尺度单目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 110-116.
[2]	王海军,张圣燕,杜玉杰. 响应差异约束的相关滤波无人机目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 149-155.
[3]	顾兆军,陈辉,王家亮,高冰. 一种小型四轴飞行器目标跟踪控制算法[J]. 西安电子科技大学学报, 2021, 48(5): 117-127.
[4]	毛昭勇,王亦晨,王鑫,沈钧戈. 面向高速公路的车辆视频监控分析系统[J]. 西安电子科技大学学报, 2021, 48(5): 178-189.
[5]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[6]	张逸宸,水鹏朗. 一种改进的泊松点过程概率多假设跟踪方法[J]. 西安电子科技大学学报, 2021, 48(2): 27-34.
[7]	成磊,王玥,田春娜. 一种添加残差注意力机制的视觉目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(6): 148-157.
[8]	李翠芸,李洋,姬红兵,石仁政. 一步数据关联GLMB扩展目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(5): 137-143.
[9]	余志超,张瑞红. 结合深度轮廓特征的改进孪生网络跟踪算法[J]. 西安电子科技大学学报, 2020, 47(3): 40-49.
[10]	张昀普,单甘霖,段修生,王猛. 主/被动传感器辐射控制的调度方法[J]. 西安电子科技大学学报, 2019, 46(6): 67-74.
[11]	王明杰,姬红兵,刘龙. 噪声野值下的学生t分布混合CPHD滤波[J]. 西安电子科技大学学报, 2019, 46(5): 134-141.
[12]	宋建锋,苗启广,申猛,权义宁,陈毓生. 多特征融合的相关滤波红外单目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(5): 142-147.
[13]	李翠芸,陈东伟,石仁政. 自适应目标新生δ广义标签多伯努利滤波算法[J]. 西安电子科技大学学报, 2019, 46(2): 12-16.
[14]	王海军,张圣燕. 自适应权值卷积特征的鲁棒目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 117-123.
[15]	王欣远,肖嵩,李磊,焦玲玲. 融合ELM和相关滤波的鲁棒性目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 57-63.

融合边缘片断与水平集分割的目标跟踪算法

Non-rigid object tracking based on the boundary fragment feature and level set segmentation

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0