基于改进的核相关滤波器的长期目标跟踪算法

doi:10.3969/j.issn.1006-2475.2019.01.002

计算机与现代化

基于改进的核相关滤波器的长期目标跟踪算法

(1.河海大学物联网工程学院,江苏常州213022;2.江苏省高校特种机器人技术重点实验室,江苏常州213022)

收稿日期:2018-06-01 出版日期:2019-01-30 发布日期:2019-01-30
作者简介:张雪(1992-),女,安徽阜阳人,硕士研究生,研究方向:智能监控，E-mail: zxhwq24968@163.com; 倪建军(1978-),男,江苏常州人,教授,博士生导师,博士,研究方向:多机器人系统,机器学习,复杂系统建模与控制。
基金资助:
国家自然科学基金资助项目(61203365,61573128); 中央高校基本科研业务费专项资金项目(2018B23214)

Long-term Target Tracking Algorithm Based on Improved Kernel Correlation Filter

(1. College of Internet of Things Engineering, Hohai University, Changzhou 213022, China;
2. Jiangsu Universities and Colleges Key Laboratory of Special Robot Technology, Changzhou 213022, China)

Received:2018-06-01 Online:2019-01-30 Published:2019-01-30

摘要/Abstract

摘要： 针对核相关滤波器跟踪算法在视觉目标跟踪中因遮挡产生的目标丢失后，无法重新准确地跟踪目标问题，提出一种基于GM(1,1)灰色预测模型和间隔性模板匹配的改进的核相关滤波器跟踪算法。实验结果表明，在复杂环境下，所提出的改进算法与传统的核相关滤波器目标跟踪算法相比，综合性能有很大的提高，与其他跟踪算法相比也有一定的优势。

Abstract: Aiming at this problem that the tracking algorithm of kernel correlation filter cannot track the target accurately again after the loss of the visual target because of the occlusion, an improved kernel correlation filter tracking algorithm based on GM(1,1) grey prediction model and interval template matching is proposed. The experimental results show that the proposed algorithm has a great improvement compared with the traditional kernelized correlation filter tracking algorithm in the complex environment. At the same time, it has some advantages over other state-of-the-art methods.

Key words: visual target tracking, kernelized correlation filter, validation region, GM(1,1) grey prediction model

中图分类号:

TP391

张雪1,倪建军1，2,陈颜1. 基于改进的核相关滤波器的长期目标跟踪算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2019.01.002.

ZHANG Xue 1, NI Jian-jun 1,2, CHEN Yan1. Long-term Target Tracking Algorithm Based on Improved Kernel Correlation Filter[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2019.01.002.

参考文献

［1］ KANELLAKIS C, NIKOLAKOPOULOS G. Survey on Computer Vision for UAVs: Current Developments and Trends［M］. Kluwer Academic Publishers, 2017.
［2］练海晨,蒋亚平. 面向物流仓库的多目标视频跟踪［J］. 计算机与现代化, 2014(9):77-81.
［3］李鹏飞,雷宏. 基于参数学习和运动预测的在线多目标跟踪算法［J］. 计算机与现代化, 2017(10):81-86.
［4］ SMEULDERS A W M, CHU D M, CUCCHIARA R, et al. Visual tracking: An experimental survey［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2014,36(7):1442-1468.
［5］〖KG-*3〗WU Y, LIM J, YANG M H. Online object tracking: A benchmark［C］// IEEE Conference on Computer Vision and Pattern Recognition. 2013:2411-2418.
［6］ YUAN Y, YANG H, FANG Y M, et al. Visual object tracking by structure complexity coefficients［J］. IEEE Transactions on Multimedia, 2015,17(8):1125-1136.
［7］ ADHIKARI G, SAHANI S K, CHAUHAN M S, et al. Fast real time object tracking based on normalized cross correlation and importance of thresholding segmentation［C］// 2016 International Conference on Recent Trends in Information Technology (ICRTIT). 2016.
［8］ BAKER S, MATTHEWS I. Lucas-Kanade 20 years on: A unifying framework［J］. International Journal of Computer Vision, 2004,56(3):221-255.
［9］ BOLME D S, BEVERIDGE J R, DRAPER B A, et al. Visual object tracking using adaptive correlation filters［C］// 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2010:2544-2550.
［10］HENRIQUES J F, CASEIRO R, MARTINS P, et al. Exploiting the circulant structure of tracking-by-detection with kernels［C］// Proceedings of the 12th European Conference on Computer Vision. 2012:702-715.
［11］HENRIQUES J F, CASEIRO R, MARTINS P, et al. High-speed tracking with kernelized correlation filters［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2015,37(3):583-596.
［12］PAN Z F, ZHU Y L. Kernelized correlation filters object tracking method with multi-scale estimation［J］. Laser & Optoelectronics Progress, 2016(10):193-199.
［13］杨武艳,郁钟铭. GM(1,1)灰色预测模型在矿井瓦斯涌出量预测中的应用［J］. 矿业工程研究, 2012,27(4):46-49.
［14］杨家慧,刘方爱. 基于巴氏系数和Jaccard系数的协同过滤算法［J］. 计算机应用, 2016,36(7):2006-2010.
［15］HONG Z B, CHEN Z, WANG C H, et al. Multi-store tracker(MUSTer): A cognitive psychology inspired approach to object tracking［C］// 2015 IEEE Conference on Computer Vision and Pattern Recognition. 2015:749-758.
［16］DANELLJAN M, HGER G, KHAN F S, et al. Accurate scale estimation for robust visual tracking［C］// Proceedings of British Machine Vision Conference. 2014:65.1-65.11.
［17］LI Y, ZHU J K. A scale adaptive kernel correlation filter tracker with feature integration［C］// 2014 European Conference on Computer Vision. 2014:254-265.
［18］ZHANG K H, ZHANG L, YANG M H. Real-time compressive tracking［C］// 2012 European Conference on Computer Vision. 2012:864-877.
［19］SEVILLA-LARA L, LEARNED-MILLER E. Distribution fields for tracking［C］// 2012 IEEE Conference on Computer Vision and Pattern Recognition. 2012:1910-1917.

[1]	付鸿林, 张太红, 杨雅婷, 艾孜麦提·艾瓦尼尔, 马博. 基于生成对抗网络的维语场景文字修改网络[J]. 计算机与现代化, 2024, 0(01): 41-46.
[2]	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.
[3]	林启钊, 彭志平, 郭棉, 崔得龙. 基于双向多步预测的炉管温度场重构方法[J]. 计算机与现代化, 2024, 0(01): 53-58.
[4]	郑立瑞, 肖晓霞, 邹北骥, 刘彬, 周展. 基于BERT的电子病历命名实体识别[J]. 计算机与现代化, 2024, 0(01): 87-91.
[5]	李颖颖, 黄文培. 基于优化八叉树的场景视锥体裁剪算法[J]. 计算机与现代化, 2024, 0(01): 103-108.
[6]	夏千涵, 何胜煌, 吴元清, 赵乐乐. 基于可学习记忆特征金字塔网络的小样本目标检测[J]. 计算机与现代化, 2023, 0(12): 7-13.
[7]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[8]	曾伟平, 陈俊洪, Muhammad ASIM, 刘文印, 杨振国. 基于多阶段分形组合的点云补全算法[J]. 计算机与现代化, 2023, 0(12): 24-29.
[9]	白晓波, 江梦茜, 王铁山, 邵景峰, 李勃, . 聚类质心与指数递减方法改进的哈里斯鹰算法[J]. 计算机与现代化, 2023, 0(12): 30-35.
[10]	邱凯星, 冯广. 基于双重特征注意力的多标签图像分类模型[J]. 计算机与现代化, 2023, 0(12): 41-47.
[11]	杜康, 郭鲁钰, 徐啟蕾, 单宝明, 张方坤. 基于模型种群分析变量选择的红外光谱建模方法[J]. 计算机与现代化, 2023, 0(12): 48-52.
[12]	刘语珵, 贺奇, 董延华, 王晓宇. 结合时间相关度与课程搭配度的课程推荐方法[J]. 计算机与现代化, 2023, 0(12): 53-58.
[13]	张浩洋, 尹梓名, 乐珺怡, 沈达聪, 束翌俊, 杨自逸, 孔祥勇, 龚伟. 3D-SPRNet: 一种基于并行解码器和双注意力机制的胆囊癌分割模型[J]. 计算机与现代化, 2023, 0(12): 59-66.
[14]	张伯泉, 麦海鹏, 陈嘉敏, 逄锦聚. 基于高灰度值注意力机制的脑白质高信号分割[J]. 计算机与现代化, 2023, 0(12): 67-75.
[15]	张在成, 李健. 改进的神经渲染方法在建筑施工场景中的应用[J]. 计算机与现代化, 2023, 0(12): 76-81.

基于改进的核相关滤波器的长期目标跟踪算法

Long-term Target Tracking Algorithm Based on Improved Kernel Correlation Filter

PDF (PC)

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