基于多级颜色累积和纹理融合的目标跟踪算法

doi:10.3969/j.issn.1000-3428.2013.07.047

计算机工程 ›› 2013, Vol. 39 ›› Issue (7): 209-213.doi: 10.3969/j.issn.1000-3428.2013.07.047

基于多级颜色累积和纹理融合的目标跟踪算法

师庆敏，许耀华，胡艳军，吴小培

(安徽大学计算智能与信号处理教育部重点实验室，合肥 230039)

收稿日期:2012-06-29 出版日期:2013-07-15 发布日期:2013-07-12
作者简介:师庆敏(1987－)，女，硕士研究生，主研方向：模式识别，图像处理；许耀华，副教授；胡艳军、吴小培，教授、博士生导师
基金项目:
国家自然科学基金资助项目(61071168)；安徽省科技攻关计划科技强警专项基金资助项目(1101b0403030)；安徽大学青年科学研究基金资助项目(2009A1)

Object Tracking Algorithm Based on Multistep Color Accumulation and Texture Fusion

SHI Qing-min, XU Yao-hua, HU Yan-jun, WU Xiao-pei

(Key Laboratary of Intelligent Computing & Signal Processing, Ministry of Education, Anhui University, Hefei 230039, China)

Received:2012-06-29 Online:2013-07-15 Published:2013-07-12

摘要/Abstract

摘要： 在目标跟踪中，目标颜色变化或相似颜色背景干扰会导致算法的鲁棒性较差。为解决该问题，提出一种基于多级颜色累积和纹理融合的目标跟踪算法。将算法分为颜色与纹理特征提取、目标与背景特征相似度判断2个子过程，子过程交替执行，在目标颜色发生变化时，利用感兴趣区域帧差法对目标进行再定位，提取多级颜色模板，并将其累积在原模板之上。实验结果表明，该算法的平均跟踪误差约为基于颜色-纹理算法的1/2、为单视觉特征跟踪算法的1/3。

关键词: 多级颜色累积, 局部二值模式, 相似度函数, 感兴趣区域, 多特征融合, 目标跟踪

Abstract: Aiming at several cases existing in the object tracking algorithm, such as failure happens when the object’s appearance changes or when the target and background are similar, an object tracking algorithm based on multistep color accumulation and texture fusion is proposed in this paper. The whole tracking algorithm can be divided into two parts: color and texture feature extracting and target and background’s similarity judging, in the tracking process those two parts run by turns according to different cases. When the object’s appearance changes, the Region of Interest(ROI) frame difference is used to compute the center of the target again, extracts multistep color model and accumulats it to the old one. Experimental results show that the average tracking error of this algorithm is half of the algorithm based on color-texture and one third of single visual feature tracking algorithm.

Key words: multistep color accumulation, Local Binary Pattern(LBP), similarity function, Region of Interest(ROI), multi-feature fusion, object tracking

中图分类号:

TP391

师庆敏, 许耀华, 胡艳军, 吴小培. 基于多级颜色累积和纹理融合的目标跟踪算法[J]. 计算机工程, 2013, 39(7): 209-213.

SHI Qiang-Min, HU Yao-Hua, HU Yan-Jun, TUN Xiao-Pei. Object Tracking Algorithm Based on Multistep Color Accumulation and Texture Fusion[J]. Computer Engineering, 2013, 39(7): 209-213.

参考文献

[1] Allen J G, Jin J S. Mean Shift Object Tracking for a SIMD Computer[C]//Proc. of the 3rd International Conference on Information Technology and Applications. Washington D. C., USA: IEEE Press, 2005.
[2] Cheng Y. Mean Shift, Mode Seeking, and Clustering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1995, 17(8): 790-799.
[3] David E, Erich B, Daniel K. Fast and Robust CAMShift Tracking[J]. IEEE Computer Society, 2010, 10(3): 9-16.
[4] 刘国成, 张凤军. 多窗口目标跟踪算法[J]. 计算机研究与发展, 2011, 48(11): 2023-2029.
[5] Wang Junqiu, Yasushi Y. Integrating Color and Shape-texture Features for Adaptive Real-time Object Tracking[J]. IEEE Transactions on Image Processing, 2008, 17(2): 235-240.
[6] 李冠彬, 吴贺丰. 基于颜色纹理直方图的带权分块均值漂移目标跟踪算法[J]. 计算机辅助设计与图形学学报, 2011, 23(12): 2060-2065.
[7] Leichter I, Lindenbaum M, Rivlin E. Meanshift Tracking with Multiple Reference Color Histograms[J]. Computer Vision and Image Understanding, 2010, 114(3): 400-408.
[8] Adam A, Rivlin E, Shimshoni I. Robust Fragments Based Tracking Using the Integral Histogram[J]. IEEE Computer Society, 2006, 10(3): 798-805.
[9] 尹宏鹏, 柴毅, 匡金俊, 等. 一种基于多特征自适应融合的运动目标跟踪算法[J]. 光电子?激光, 2010, 21(6): 918-922.
[10] Ojala T, Valkealahti K, Oja E, et al. Texture Discrimination with Multi-dimensional of Signed Gray Level Differences[J]. Pattern Recognition, 2001, 34(3): 727-739.
[11] Zhang Xiang, Yang Jie. A Novel Algorithm to Segment Foreground from a Similarly Colored Background[J]. AEU-international Journal of Electronics and Communi- cations, 2009, 63(10): 831-840.
[12] Heechul H, Kwanghoon S. Automatic Illumination and Color Compensation Using Meanshift and Sigma Filter[J]. IEEE Transactions on Consumer Electronics, 2009, 55(3): 978-986.
编辑刘冰

[1]	陈泽, 叶学义, 钱丁炜, 魏阳洋. 基于改进Faster R-CNN的小尺度行人检测[J]. 计算机工程, 2020, 46(9): 226-232,241.
[2]	黄坤, 钱军浩, 王江文. 基于改进FREAK的图像匹配算法[J]. 计算机工程, 2020, 46(8): 250-257.
[3]	张腾飞, 周书仁, 彭建. 基于双孪生网络的自适应选择跟踪系统[J]. 计算机工程, 2020, 46(6): 103-107.
[4]	沈泽君, 丁飞飞, 杨文元. 多粒度相关滤波视频跟踪方法[J]. 计算机工程, 2020, 46(5): 274-281.
[5]	郗润平, 薛少辉. 基于正交试验的运动目标跟踪算法性能评价[J]. 计算机工程, 2020, 46(3): 254-260,266.
[6]	周双双, 宋慧慧, 张开华, 樊佳庆. 基于增强语义与多注意力机制学习的深度相关跟踪[J]. 计算机工程, 2020, 46(2): 279-285.
[7]	王宇丰, 冯新喜. 基于纯测距的移动传感器网络目标跟踪算法[J]. 计算机工程, 2020, 46(11): 77-83.
[8]	李明杰, 冯有前, 尹忠海, 周诚, 董方昊. 一种用于单目标跟踪的锚框掩码孪生RPN模型[J]. 计算机工程, 2019, 45(9): 216-221.
[9]	官洪运, 欧阳江坤, 杨益伟, 吴炜. 基于特征融合的改进LCT跟踪算法[J]. 计算机工程, 2019, 45(8): 241-247.
[10]	王任华, 沈剑宇, 蒋敏. 基于自适应多模型联合的目标跟踪算法[J]. 计算机工程, 2019, 45(8): 266-274.
[11]	陈文兵,毛军杰,陈允杰,周林义. ILBP算子在浓雾天气形势图识别中的应用[J]. 计算机工程, 2019, 45(5): 199-204,209.
[12]	谭梦婕,吕鑫,陶飞飞. 基于多特征融合的财经新闻话题检测研究[J]. 计算机工程, 2019, 45(3): 293-299,308.
[13]	李大湘,吴玲风,李娜,刘颖. 改进的SAMF目标跟踪算法[J]. 计算机工程, 2019, 45(2): 258-264.
[14]	徐壮, 彭力. 基于KLD采样的自适应粒子滤波目标跟踪算法[J]. 计算机工程, 2019, 45(12): 182-188.
[15]	龚红, 杨发顺, 王代强, 丁召. 一种基于背景加权的多特征融合目标跟踪算法[J]. 计算机工程, 2019, 45(12): 249-256,262.

基于多级颜色累积和纹理融合的目标跟踪算法

Object Tracking Algorithm Based on Multistep Color Accumulation and Texture Fusion

PDF

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 10