一种融合粒子滤波的多特征特定行人追踪方法

doi:10.3969/j.issn.1006-2475.2014.10.023

计算机与现代化

一种融合粒子滤波的多特征特定行人追踪方法

广东石油化工学院计算机与电子信息学院,广东茂名525000

收稿日期:2014-07-18 出版日期:2014-11-03 发布日期:2014-11-05
作者简介:余桂兰(1975-),女,广东饶平人,广东石油化工学院计算机与电子信息学院高级实验师,硕士,研究方向:人工智能与模式识别。
基金资助:
茂名市科技计划项目(2012B01040)

A Specific Pedestrian Tracking Method Based on Particle Filter and Multi-Feature Fusion

College of Computer and Electronic Information, Guangdong University of Petrochemical Technology, Maoming 525000, China

Received:2014-07-18 Online:2014-11-03 Published:2014-11-05

摘要/Abstract

摘要： 针对特定行人目标跟踪，提出了一种融合粒子滤波的多特征特定行人检测追踪方法。该方法借鉴空间金字塔匹配模型将行人在空间上进行划分，然后融合颜色特征和局部三值模式（LTP）纹理特征，提取目标行人各子区域信息，最后结合粒子滤波来综合判断目标行人的位置。实验结果显示，本文方法能够有效区分目标与背景，同时在目标行人被遮挡的情况下，算法能够有效跟踪。


关键词: 目标检测, 特定行人, 粒子滤波, 特征融合

Abstract: For the target tracking of specific pedestrians, a particular pedestrian tracking approach based on multi-feature fusion and particle filter is proposed. The approach uses the space pyramid matching model for reference to divide the target in space, then extracts color features and LTP features from each sub-region of the target, finally, integrates particle filter to determine the location of the target pedestrians. The experimental results show that the approach can effectively distinguish between target and background. Moreover, it can effectively track the target in the case of occluded.


Key words: target detection, specific pedestrian, particle filter, feature fusion

中图分类号:

TP391.41

余桂兰. 一种融合粒子滤波的多特征特定行人追踪方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.10.023.

YU Gui-lan. A Specific Pedestrian Tracking Method Based on Particle Filter and Multi-Feature Fusion[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.10.023.

参考文献

［1］曲昭伟,魏福禄,魏巍,等. 雷达与视觉信息融合的行人检测方法［J］. 吉林大学学报(工学版), 2003,43(5):1230-1234.
［2］林建华,刘党辉,邵显奎. 多特征融合的Camshift算法及其进一步改进［J］. 计算机应用, 2012,32(10):2814-2816,2820.
［3］许晓航,肖刚,云霄,等. 复杂背景及遮挡条件下的运动目标跟踪［J］. 光电工程, 2013,40(1):23-30.
［4］杨元喜. 动态Kalman滤波模型误差的影响［J］. 测绘科学， 2006,31(1):17-19.
［5］林庆,徐小刚,詹永照,等. 基于混合粒子PHD滤波的多目标视频跟踪［J］. 模式识别与人工智能, 2013,26(9):885-890.
［6］ Tan Xiao-yang, Triggs B. Enhanced local texture featuresets for face recognition under difficult lighting conditions［J］. IEEE Transactions on Image Processing, 2010:1635-1650.
［7］ Lazebnik S， Schmid C， Ponce J. Beyond bags of features：Spatial pyramid matching for recognizing natural scene categories［C］// 2006 Conference on Computer Vision and Pattern Recognition. New York， USA， 2006:2169-2178.
［8］ Zhao Guoyin, Pietikainen M. Improving rotation invariance of the volume local binary pattern operator［C］// IAPR Conference on Machine Vision Applications. 2007:327-330.
［9］ Wang Liwei, Zhang Yan, Feng Jufu. On the Euclidean distance of images［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005,27(8):1334-1339.
［10］林庆,徐柱,王士同,等. HSV自适应混合高斯模型的运动目标检测［J］. 计算机科学, 2010,37(10):254-256.
［11］林庆,史振杰,詹永照,等．基于感兴趣区域的运动人体跟踪［J］. 江苏大学学报(自然科学版), 2010,31(2):206-209.
［12］程水英,张剑云. 粒子滤波评述［J］. 宇航学报, 2008,29(4):1099-1111.
［13］蒋蔚. 粒子滤波改进算法研究与应用［D］. 哈尔滨:哈尔滨工业大学, 2010.
［14］Sawada T, Tezuka A. High-order Gaussian quadrature in X-FEM with the lagrange-multiplier for fluid-structure coupling［J］. International Journal for Numerical Methods in Fluids, 2010,64(10-12):1219-1239.
［15］盛宝怀,刘三阳. 拟不变凸集值优化的Kuhn-Tucker条件与Wolfe对偶［J］. 应用数学和力学, 2006,27(12):1447-1456.
［16］王国胜. 核函数的性质及其构造方法［J］. 计算机科学, 2006,33(6):172-174.
［17］Chen Ken, Chul Gyu Jhun. Multi-target visual tracking and occlusion detection by combining Bhattacharyya coefficient and kalman filter innovation［J］. Journal of Electronics(China), 2013,30(3):275-282.

[1]	王秋忆, 周浩, 郑婷婷. 改进RetinaNet的电力设备目标检测方法[J]. 计算机与现代化, 2024, 0(01): 47-52.
[2]	宁娟, 周庆华, 曾小为. 改进YOLOv7算法在西林瓶轧盖缺陷检测中的应用[J]. 计算机与现代化, 2023, 0(12): 82-86.
[3]	欧嘉城, 曾安, 金亮. 基于CP-YOLOX的冷冻电镜图像蛋白质目标检测算法[J]. 计算机与现代化, 2023, 0(11): 113-119.
[4]	闫子贤, 董宝良, 唐思谜. 针对复杂背景下低分辨率舰船目标的改进YOLOv7算法[J]. 计算机与现代化, 2023, 0(11): 120-126.
[5]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[6]	陈俊义. 基于图节点动静态特征的健康事件预测模型[J]. 计算机与现代化, 2023, 0(10): 39-44.
[7]	邢世帅, 刘丹凤, 王立国, 潘月涛, 孟灵鸿, 岳晓晗. 基于空间注意力残差网络的图像超分辨率重建模型[J]. 计算机与现代化, 2023, 0(10): 45-52.
[8]	顾成伟, 丁勇, 李登华. 基于计算机视觉的工业厂区人员安全警戒系统[J]. 计算机与现代化, 2023, 0(09): 20-26.
[9]	陈嘉敏, 张伯泉, 麦海鹏. 基于特征融合的海马体分割[J]. 计算机与现代化, 2023, 0(08): 1-6.
[10]	王鸿, 葛红. 基于注意力机制和语义相似度的跨模态哈希检索[J]. 计算机与现代化, 2023, 0(08): 44-53.
[11]	刘昱杉, 刘卫康, 刘庆华, 者甜甜, 王家晨. 基于YOLOX结合DeepSort的船载车辆行人检测算法[J]. 计算机与现代化, 2023, 0(08): 60-67.
[12]	欧阳飞, 吴旭, 向东升. 基于改进YOLOX的垃圾分类检测方法[J]. 计算机与现代化, 2023, 0(08): 68-73.
[13]	胡睿杰, 车逗. 红外小目标检测方法综述[J]. 计算机与现代化, 2023, 0(08): 79-86.
[14]	罗伟, 刘思远, 徐健祥, 董天培. 基于改进YOLOv5s的太阳能电池缺陷检测算法[J]. 计算机与现代化, 2023, 0(07): 119-126.
[15]	叶力鸣, 陈蔚文. 一种结合语义分割和目标检测的级联式绝缘子缺陷检测方法[J]. 计算机与现代化, 2023, 0(06): 82-88.

一种融合粒子滤波的多特征特定行人追踪方法

A Specific Pedestrian Tracking Method Based on Particle Filter and Multi-Feature Fusion

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价