面向物流仓库的多目标视频跟踪

doi:10.3969/j.issn.10062475.2014.09.017

计算机与现代化

面向物流仓库的多目标视频跟踪

河海大学计算机与信息学院，江苏南京210098

收稿日期:2014-06-06 出版日期:2014-10-10 发布日期:2014-11-04
作者简介:练海晨（1990），男，江苏南通人，河海大学计算机与信息学院硕士研究生，研究方向：计算机视觉，模式识别；蒋亚平（1990），女，湖北孝感人，硕士研究生，研究方向：计算机视觉，模式识别。

Multiobject Video Tracking in Logistics Warehouse

College of Computer and Information, Hohai University, Nanjing 210098, China

Received:2014-06-06 Online:2014-10-10 Published:2014-11-04

摘要/Abstract

摘要：

为了解决物流仓库复杂环境下多目标跟踪的问题，本文提出一种融合了背景建模的Camshift算法，并在算法跟踪过程中加入目标运动信息。首先根据跟踪目标获得目标颜色概率密度图像；然后根

据背景建模获得的背景图像对概率密度图像进行滤波处理；在Camshift每次迭代过程中，引入运动信息，通过加权融合获得最优位置；在多目标跟踪过程中，将当前帧中已跟踪完成的目标在概率密度图

像中滤除，减少对其它目标的干扰。通过实验表明，在物流仓库运送轨道上的物品跟踪的实际应用中，本文算法对复杂背景干扰和相似目标的相互干扰，有很好的处理能力。

关键词: 物流视频, 多目标跟踪, Camshift, 加权融合

Abstract:

A Camshift algorithm, which is combined with the background modeling and the movement information, is presented in this article in order to resolve the multiobject

tracking problem in the complex environment of industrial field. Firstly, the matrix of probability density is calculated based on histogram of color of each object. Secondly,

these matrixes of probability density would be filter processed according to background image which is obtained from the background modeling. Thirdly, the movement information

is added to its iterative process, and the best position should be calculated with the weighting fusion. In the last, the Camshift removes the goals which have been tracked

successfully in the previous frame from those matrixes of probability density, in order to avoid a disturbance to other goals in the multiobject tracking. The experiment

indicates that this algorithm has a very good capacity of reducing background disturbance and similar goals disturbance.

Key words: logistics video, multiobject tracking, Camshift, weighting fusion

中图分类号:

中图分类号： TP301.6

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, doi: 10.3969/j.issn.10062475.2014.09.017.

LIAN Haichen， JIANG Yaping. Multiobject Video Tracking in Logistics Warehouse[J]. Computer and Modernization, doi: 10.3969/j.issn.10062475.2014.09.017.

参考文献

［1］ Yilmaz A, Javed O, Shah M. Object tracking:A survey［J］. ACM Computing Surveys, 2006,38(4):145.

［2］闫庆森，李临生，徐晓峰,等. 视频跟踪算法研究综述［J］. 计算机科学， 2013,40（6）:204209.
［3］罗会兰，钟睿，孔繁胜. 基于超像素的点跟踪方法［J］. 中国图象图形学报， 2014,19（3）：428438.
［4］ Xu Xinyu, Li Baoxin. Adaptive RaoBlackwellized particle filter and its evaluation for tracking in surveillance［J］. IEEE Transactions on Image Processing， 2007,16（3）

：838849.
［5］马珊，张铁栋，庞永杰,等. 基于改进粒子滤波的声图像多目标跟踪方法［J］. 上海交通大学学报, 2013，47(12):18481854.
［6］陈添丁，胡鉴，吴涤. 稀疏光流快速计算的动态目标检测与跟踪［J］. 中国图象图形学报, 2013,18（12）:15931600.
［7］ Hare S, Saffari A, Torr P H S. Struck: Structured output tracking with kernels［C］//ICCV. 2011:263270.
［8］张宏志，张金换，岳卉,等. 基于CamShift的目标跟踪算法［J］. 计算机工程与设计, 2006,27(11):20122014.
［9］ Zou Tengyue, Tang Xiaoqi, Song Bao. Improved Camshift tracking algorithm based on silhouette moving detection［C］//The Third International Conference on Multimedia

Information Networking and Security. 2011:1115.
［10］黄园刚，桑楠，郝宗波,等. 改进CamShift算法的眼动跟踪方法［J］. 计算机应用研究, 2014，31（4）：12201224.
［11］杨杰，穆平安，戴曙光. 一种改进Camshift算法的研究［J］. 计算机应用与软件, 2014,31(2):167170.
［12］陶勇，王田苗，魏洪兴,等. 基于Camshift和粒子滤波的老人陪护机器人人脸跟踪［J］. 中国机械工程, 2008,20（16）：19041908.
［13］Wang Zhaowen, Yang Xiaokang, Xu Yi, et al. CamShift guided particle filter for visual tracking［J］. Pattern Recognition Letters, 2009,30(4):407413.
［14］Deilamani M J, Asli R N. Moving object tracking based on Meanshift algorithm and feature fusion［C］//2011 International Symposium on Artificial Intelligence and

Signal Processing. 2011:4853.
［15］Nouar O D, Ali G. Improved object tracking with Camshift algorithm［C］//IEEE International Conference on Acoustics, Speech and Signal Processing. 2006:657660.
［16］谭炽烈. 多目标运动轨迹跟踪算法及DSP实现［D］. 杭州:浙江大学, 2006.
［17］王景武,王玉德,王东方. 改进的Camshift与Kalman融合的目标跟踪算法［J］. 电子技术, 2014(11):1113.

[1]	李睿, 商家赫. 改进的CamShift无人机目标跟踪算法[J]. 计算机与现代化, 2020, 0(11): 83-88.
[2]	高乙月1,2,蒋德富2,刘铭2,付伟2. 基于SMC-PHD滤波的显式航迹维持算法[J]. 计算机与现代化, 2017, 0(12): 17-22+116.
[3]	高乙月1,2，蒋德富2，刘铭2，付伟2. 似然值波门SMC-PHD滤波器[J]. 计算机与现代化, 2017, 0(11): 105-110+115.
[4]	李鹏飞 1,2，雷宏 1. 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, 0(10): 81-86.
[5]	刘一宸. 基于色块边缘和颜色直方图的多目标跟踪算法[J]. 计算机与现代化, 2016, 0(2): 24-27.
[6]	姚千燕;杨宜民. RoboCup3D仿真系统中的机器人自定位方法[J]. 计算机与现代化, 2011, 12(12): 141-143,.

面向物流仓库的多目标视频跟踪

Multiobject Video Tracking in Logistics Warehouse

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 6

编辑推荐

Metrics

本文评价