基于改进融合策略的多特征跟踪算法

nicholas

基于改进融合策略的多特征跟踪算法

基于改进融合策略的多特征跟踪算法.pdf (1.12 MB, 下载次数: 0)

2016-12-7 14:03 上传

点击文件名下载附件
下载积分: 金钱 -1

基于改进融合策略的多特征跟踪算法

夏瑜1, 吴小俊2, 李菊1, 周立凡1

1. 常熟理工学院计算机科学与工程学院, 江苏 常熟 215500; 2. 江南大学物联网工程学院, 江苏 无锡 214122

Multiple Features Tracking Algorithm Based on an Improved Fusion Strategy

XIA Yu1, WU Xiaojun2, LI Ju1, ZHOU Lifan1

1. School of Computer Science and Engineering, Changshu Institute of Technology, Changshu 215500, China; 2. School of IoT Engineering, Jiangnan University, Wuxi 214122, China

摘要 针对复杂场景中多特征融合视觉跟踪算法存在的问题，提出了一种基于改进融合策略的多特征跟踪算法．该算法在粒子滤波跟踪框架下通过改进融合方式，修正融合算法中常见的计算问题和量纲缺陷．在新的融合策略中引入目标状态关系图，可以提高跟踪的定位精度和稳定性．当目标状态存在偏差时，利用稀疏度对特征不确定性进行度量，在线选取最优状态，保证粒子状态空间质量，提高目标跟踪算法性能．实验结果表明，该算法比单特征跟踪、其他多特征融合策略跟踪算法具有更高的跟踪稳定性和更强的鲁棒性，3组实验的均方根误差小于1.2像素． 关键词 ： 视觉跟踪,  粒子滤波,  多特征融合,  稀疏度    Abstract：To solve the problem of visual tracking by multiple features fusion in complex scenes, a multiple features tracking algorithm based on an improved fusion strategy is presented. The proposed algorithm can solve the common computational problem and dimensional fault of the fusion algorithm by the improved fusion method under the particle filter framework. State relationship diagram introduced in the novel fusion strategy can improve the precision and robustness of tracking. When there are deviations of object state, this method can estimate the uncertainty measurement of features by sparsity and select the best state on line. In this way, the quality of state space can be guaranteed, and the performance of object tracking is improved. Experimental results show that the proposed method is stabler and more robust than the single feature algorithm and other multiple features fusion tracking algorithms. The root mean square errors in 3 experiments are all less than 1.2 pixels. Key words： visual tracking           particle filter           multiple features fusion           sparsity 收稿日期: 2016-03-01      出版日期: 2016-06-13 1: TP391.41 基金资助:教育部科学技术研究重大项目（311024）；国家自然科学基金（61373055，61300186，41501461）；江苏省自然科学基金（BK20140419）；江苏省高校自然科学研究项目（14KJB520001）；苏州大学高校省级重点实验室开放课题（KJS1522） 通讯作者: 夏瑜，cslgxiayu@163.com    E-mail: cslgxiayu@163.com 作者简介: 夏瑜（1979-），男，博士，副教授．研究领域：计算机视觉，目标跟踪和数字图像处理． 吴小俊（1967-），男，教授，博士生导师．研究领域：模式识别，计算机视觉和计算智能． 李菊（1981-），女，博士，讲师．研究领域：运动目标检测与跟踪． 引用本文:    夏瑜, 吴小俊, 李菊, 周立凡. 基于改进融合策略的多特征跟踪算法[J]. 机器人, 2016, 38(4): 428-436.         XIA Yu, WU Xiaojun, LI Ju, ZHOU Lifan. Multiple Features Tracking Algorithm Based on an Improved Fusion Strategy. ROBOT, 2016, 38(4): 428-436.