在线低秩表示的目标跟踪算法

doi:10.3969/j.issn.1001-2400.2016.05.018

西安电子科技大学学报

在线低秩表示的目标跟踪算法

王海军1,2;葛红娟1;张圣燕2

(1. 南京航空航天大学民航学院，江苏南京 210016;
2. 滨州学院山东省高校航空信息技术重点实验室，山东滨州 256603)

收稿日期:2015-09-07 出版日期:2016-10-20 发布日期:2016-12-02
作者简介:王海军(1980-)，男，南京航空航天大学博士研究生，E-mail: whjlym@163.com．
基金资助:
山东省自然科学基金资助项目(ZR2015FL009)；滨州市科技发展计划资助项目(2013ZC0103)；滨州学院科研基金资助项目(BZXYG1524)

Object tracking via online low rank representation

WANG Haijun1,2;GE Hongjuan1;ZHANG Shengyan2

(1. College of Civil Aviation, Nanjing Univ. of Aeronautics and Astronautics, Nanjing 210016, China;
2. Key Lab. of Aviation Information Technology in Univ. of Shandong, Binzhou Univ., Binzhou 256603, China)

Received:2015-09-07 Online:2016-10-20 Published:2016-12-02

摘要/Abstract

摘要：

针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感，导致跟踪结果失败的问题，提出了以前几帧的跟踪结果作为观测矩阵，采用鲁棒的主元成分分析模型求解观测模型的低秩特征．当新的视频流到来时，不是把所有的跟踪结果矩阵作为观测矩阵．并提出了新的增量鲁棒的主元成分分析模型，采用增广拉格朗日算法求解新矩阵的低秩特征，并以此低秩矩阵在贝叶斯框架下建立跟踪模型，用恢复的低秩特征更新字典矩阵．将文中方法与其他6种跟踪算法在8种跟踪视频上进行跟踪对比．实验结果表明，所提出的方法具有较低的像素中心位置误差和较高的重叠率．

关键词: 目标跟踪, 低秩特征, 鲁棒的主成分分析模型, 字典矩阵

Abstract:

Object tracking is an active research topic in computer vision. The traditional tracking methods based on the generative model are sensitive to noise and occlusion, which leads to the failure of tracking results. In order to solve this problem, the tracking results of the first few frames are used as the observation matrix, and the low rank features of the observation model are solved by the the RPCA model. When the new video streams come, a new incremental RPCA is proposed to compute the new observation matrix by the augmented Lagrangian algorithm. The tracking model is established in the Bayesian framework, and the dictionary matrix is updated with the low rank feature. We have tested the proposed algorithm and six state-of-the-art approaches on eight publicly available sequences. Experimental results show that the proposed method has a lower pixel center position error and a higher overlap ratio.

Key words: object tracking, low rank feature, RPCA model, dictionary matrix

王海军;葛红娟;张圣燕. 在线低秩表示的目标跟踪算法[J]. 西安电子科技大学学报, 2016, 43(5): 98-104.

WANG Haijun;GE Hongjuan;ZHANG Shengyan. Object tracking via online low rank representation[J]. Journal of Xidian University, 2016, 43(5): 98-104.

参考文献

［1］ BABENKO B, YANG M H, BELONGIE S. Robust Object Tracking with Online Multiple Instance Learning［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(B): 1619-1632.
［2］黄宏图, 葛渊, 张继, 等. 仿射变换在压缩感知跟踪中的应用［J］. 西安电子科技大学学报, 2015, 42(2): 162-205.
HUANG Hongtu, GE Yuan, ZHANG Ji, et al. Application of Affine Transform in Compressed Sensing Tracking［J］. Journal of Xidian University, 2015, 42(2): 162-205.
［3］ XUE M, LING H B. Robust Visual Tracking Using L1 Minimization［C］//Proceedings of the IEEE Computer Society Conference on Computer Vision. Piscataway: IEEE, 2009: 1436-1443.
［4］贺文骅, 刘志镜, 屈鉴铭. 利用超像素混合投票的在线目标跟踪算法［J］. 西安电子科技大学学报, 2015, 42(3): 61-66.
HE Wenhua, LIU Zhijing, QU Jianming. Online Visual Tracking Method Based on Superpixel Hybrid Voting［J］. Journal of Xidian University, 2015, 42(3): 61-66.
［5］ ROSS D, LIM J, LIN R S, et al. Incremental Learning for Robust Visual Tracking［J］. International Journal of Computer Vision, 2008, 77(1/2/3): 125-141.
［6］王海军, 张圣燕. 基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法［J］. 黑龙江大学自然科学学报, 2015, 32(2): 262-269.
WANG Haijun, ZHANG Shengyan. Object Tracking Algorithm via L2 Norm and Incremental Orthogonal Projective Non-negative Matrix Factorization［J］. Journal of Natrual Science of Heilongjiang University, 2015, 32(2): 262-269.
［7］ BAO C L, WU Y, LING H B, et al. Real Time Robust L1 Tracker Using Accelerated Proximal Gradient Approach［C］//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington: IEEE, 2012: 1830-1837.
［8］ WANG D, LU H C, YANG M H. Online Object Tracking with Sparse Prototypes［J］. IEEE Transactions on Image Processing, 2013, 22(1): 314-325.
［9］ CANDS E, LI X D, MA Y, et al. Robust Principal Component Analysis?［J］. Journal of the ACM, 2011, 58(3): 1-37.
［10］ LIU G, LIN Z, YAN S, et al. Robust Recovery of Subspace Structures by Low-rank Representation［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(1): 171-184.
［11］ ZHANG C C, LIU R S, QIU T S, et al. Robust Visual Tracking via Incremental Low-rank Features Learning［J］. Neurocomputing, 2014, 131: 237-247.
［12］ LIN Z C, LIU R S, SU Z X. Linearized Alternating Direction Method with Adaptive Penalty for Low-rank Representation［C］//Advances in Neural Information Processing Systems: 24. New York: NIPS, 2011: 612-620.
［13］ ADAM A, RIVLIN E. Robust Fragments-based Tracking Using the Integral Histogram［C］//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2006: 798-805.
［14］ ZDENEK K, MATAS J, MIKOLAJCZYK K. P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints［C］//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2010: 49-56.
［15］ KWON J, LEE K M. Visual Tracking Decomposition［C］//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2010: 1269-1276.

[1]	汪晋, 苏洪涛, 汪圣利, 陆超. 基于SLSTM网络的两级修正机动目标跟踪方法[J]. 西安电子科技大学学报, 2025, 52(1): 37-49.
[2]	严俊坤, 张聪睿, 李婉萍, 戴金辉, 张鹏, 刘宏伟. 面向编队突防的多干扰机协同资源分配方法[J]. 西安电子科技大学学报, 2024, 51(5): 24-34.
[3]	张永权, 李志彬, 张文博, 苏镇镇. 多源传感器箱粒子LMB滤波算法[J]. 西安电子科技大学学报, 2024, 51(4): 51-66.
[4]	贺王鹏, 胡德顺, 李诚, 周悦, 郭宝龙. 结合模板更新与轨迹预测的孪生网络跟踪算法[J]. 西安电子科技大学学报, 2024, 51(3): 46-54.
[5]	张逸宸,水鹏朗,廖沫. 目标回波特征辅助的海面多目标跟踪方法[J]. 西安电子科技大学学报, 2023, 50(5): 1-10.
[6]	李翠芸,衡博文,谢金池. 模糊推理优化的抗遮挡PMBM跟踪算法[J]. 西安电子科技大学学报, 2023, 50(5): 54-64.
[7]	陈振,李翠芸,李想. B样条曲面三维扩展目标跟踪算法[J]. 西安电子科技大学学报, 2023, 50(2): 101-111.
[8]	张兆宇,田春娜,周恒,田西兰. 联合在线分类的双注意力RGBT孪生网络跟踪[J]. 西安电子科技大学学报, 2022, 49(6): 76-85.
[9]	张昀普,单甘霖,付强. 多传感器协同地面目标跟踪的调度方法[J]. 西安电子科技大学学报, 2022, 49(5): 100-108.
[10]	孙雅媚,肖嵩,曲家慧,董文倩. 自适应上下文感知相关滤波类目标跟踪算法[J]. 西安电子科技大学学报, 2022, 49(3): 21-27.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

在线低秩表示的目标跟踪算法

Object tracking via online low rank representation

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