利用二值描述符的实时目标跟踪算法

doi:10.3969/j.issn.1001-2400.2015.05.028

J4 ›› 2015, Vol. 42 ›› Issue (5): 168-174.doi: 10.3969/j.issn.1001-2400.2015.05.028

利用二值描述符的实时目标跟踪算法

覃兵;田军;查宇飞;张立朝;黄宏图

(空军工程大学航空航天工程学院，陕西西安 710038)

收稿日期:2014-05-08 出版日期:2015-10-20 发布日期:2015-12-03
通讯作者: 覃兵
作者简介:覃兵(1991-)，男，空军工程大学硕士研究生，E-mail: qinbingzaixian@163.com．
基金资助:
国家自然科学基金资助项目(61472442)；航空科学基金资助项目(20131996013)

Real-time visual object tracking based on binary descriptors

QIN Bing;TIAN Jun;ZHA Yufei;ZHANG Lichao;HUANG Hongtu

(Inst. of Aeronautics and Astronautics Eng., Air Force Eng. Univ., Xi'an 710038, China)

Received:2014-05-08 Online:2015-10-20 Published:2015-12-03
Contact: QIN Bing

摘要/Abstract

摘要：

针对目标跟踪过程中的速率低和存储量大的问题，提出了一种新的利用二值描述符特征的快速稳定的目标跟踪算法．该算法首先在保持目标结构信息的情况下，通过寻找最优正交矩阵对样本进行旋转聚类，将样本从欧式空间投影到汉明空间，生成二值描述符．然后在粒子滤波采样的框架下，通过计算目标与候选样本的汉明距离确定目标跟踪位置．实验结果表明，当发生光照、姿态变化和快速移动时，该算法跟踪速度较快，并且能够实现稳定跟踪．

关键词: 目标跟踪, 二值描述符, 粒子滤波, 汉明距离

Abstract:

Object tracking often has the problems of low rate and high storage. Therefore, a tracking algorithm based on binary descriptors is proposed. The algorithm retains the original construction information on the samples and projects the samples from Euclidean space to Hamming space in order to generate binary descriptors by searching the optimal orthogonal matrix for rotating cluster. Then under the frame of particle filtering, it is necessary to determine the tracking position by computing the hamming distance.Analysis and experiment show that the proposed tracking algorithm performs rapidly and favorably when the target objects undergo large illumination,pose changes and fast movement.

Key words: object tracking, binary descriptors, particle filtering, hamming distance

中图分类号:

TP391

覃兵;田军;查宇飞;张立朝;黄宏图. 利用二值描述符的实时目标跟踪算法[J]. J4, 2015, 42(5): 168-174.

QIN Bing;TIAN Jun;ZHA Yufei;ZHANG Lichao;HUANG Hongtu. Real-time visual object tracking based on binary descriptors[J]. J4, 2015, 42(5): 168-174.

参考文献

［1］ Li Xi, Hu W M, Shen C H, et al. A Survey of Appearance Models in Visual Object Tracking［J］. ACM Transactions on Intelligent Systems and Technology, 2013, 4(4): 58-72.
［2］李远征, 卢朝阳, 李静. 一种基于多特征融合的视频目标跟踪方法［J］. 西安电子科技大学学报, 2012, 39(4): 1-6.
Li Yuanzheng, Lu Zhaoyang, Li Jing. Robust Video Object Tracking Algorithm Based on Multi-feature Fusion［J］. Journal of Xidian University, 2012, 39(4): 1-6.
［3］孙浩, 王程, 王润生. 局部不变特征综述［J］.中国图象图形学报, 2011,16(2): 141-151.
Sun Hao, Wang Cheng, Wang Runsheng. A Review of Local Invariant Features［J］. Journal of Image and Graphics, 2011,16(2): 141-151.
［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］. 西安电子科技大学学报, 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］. Journal of Xidian University, 2011, 38(6): 146-151.
［5］ Lowe D G. Object Recognition from Local Scale-invariant Features［C］//Proceedings of the Seventh IEEE International Conference on Computer Vision. Piscataway: IEEE, 1999: 1150-1157.
［6］ Heinly J, Dunn E, Frahm J M. Comparative Evaluation of Binary Features［C］//Proceedings of the 12th European Conference on Computer Vision. Berlin: Springer, 2012: 759-773.
［7］ Calonder M, Lepetit V, Strecha C, et al. BRIEF: Binary Robust Independent Elementary Features［C］//Lecture Notes in Computer Science: 6314. Heidelberg: Springer Verlag, 2010: 778-792.
［8］ Rublee E, Rabaud V, Konolige K, et al. ORB: an Efficient Alternative to SIFT or SURF［C］//Proceedings of the IEEE International Conference on Computer Vision. Piscataway: IEEE, 2011: 2564-2571.
［9］ Trzcinski T, Christoudias M, Lepetit V, et al. Boosting Binary Keypoint Descriptors［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Washington: IEEE Computer Society, 2013: 2874-2881.
［10］ Gong Y C, Lazebnik S. Iterative Quantization: a Procrustean Approach to Learning Binary Codes［C］//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2011: 817-824.
［11］ Lauro N C, Verde R, Irpino A. Principal Component Analysis［J］. Business Research Methods, 2005, 23(2): 41-64.
［12］ Huang Z. Extensions to the K-means Algorithm for Clustering Large Data Sets with Categorical Values［J］. Data Mining and Knowledge Discovery, 1998, 2(3): 283-304.
［13］张俊根, 姬红兵. 采用粒子滤波和模糊聚类法的非线性多目标跟踪［J］. 西安电子科技大学学报, 2010, 37(4): 636-641.
Zhang Jungen, Ji Hongbing. Passive Multi-target Tracking Based on Independent Particle Filtering and Fuzzy Clustering［J］. Journal of Xidian University, 2010, 37(4): 636-641.
［14］ Sevilla-Lara L, Learned-Miller E G. Distribution Fields for Tracking［C］//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Washington: IEEE Computer Society, 2012: 1910-1917.
［15］ Everingham M, Van Gool L, Williams C K, et al. The Pascal Visual Object Classes (VOC) Challenge［J］. Interational Journal of Computer Vision, 2010, 88(2): 303-338.

[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.

利用二值描述符的实时目标跟踪算法

Real-time visual object tracking based on binary descriptors

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