您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报(工学版)

• 机器学习与数据挖掘 • 上一篇    下一篇

恶劣环境下多目标实时跟踪算法研究

邱晓欣1,2,张文强1,2*,秦晋贤1,2,杜正阳1,2,张德峰1,2   

  1. 1.复旦大学计算机科学技术学院, 上海  201203; 2.上海市智能信息处理重点实验室, 上海 201203
  • 收稿日期:2013-06-28 出版日期:2014-04-20 发布日期:2013-06-28
  • 通讯作者: 张文强(1970- ),男,山东烟台人,副教授,博士,主要研究方向为机器智能,视频分析与机器人等.E-mail:wqzhang@fudan.edu.cn
  • 作者简介:邱晓欣(1989- ),女,广东中山人,硕士研究生,主要研究方向为机器智能,视频分析与图像处理.E-mail:12210240064@fudan.edu.cn
  • 基金资助:
    国家重点基础研究发展计划子课题资助项目(2010CB327906)

Multi-target real-time tracking method under harsh environment

QIU Xiaoxin1,2, ZHANG Wenqiang1,2*, QIN Jinxian1,2, DU Zhengyang1,2, ZHANG Defeng1,2   

  1. 1. School of Computer, Fudan University, Shanghai 201203, China;
    2. Shanghai Key Laboratory of Intelligent Information Processing, Shanghai 201203, China
  • Received:2013-06-28 Online:2014-04-20 Published:2013-06-28

PDF (PC)

749

摘要： 提出一种在恶劣环境下能实时进行多目标跟踪的方法,相比于目前的监控系统,该方法能够更加精确地跟踪场景中的入侵目标,并且算法效率有了较大提升。首先,在动态背景建模codebook作为背景建模算法的基础上,对背景更新方法进行改进,使前景检测准确率相对于原算法有了很大提升,并且在主要性能上优于其他的主流背景建模算法。其次,本研究选用粒子滤波算法作为多目标跟踪方法,对重采样方法进行了较大改进,使之能在实时环境下保持粒子的有效性和多样性。实验证明该系统构建有较好效果,能在实际恶劣场景下进行多目标跟踪,并保持较好的检测和跟踪效果。

关键词: 动态背景建模, 粒子滤波算法, 多目标跟踪, 图像处理, 视频分析, 视觉

Abstract: A new method for multi-target real-time tracking system working under harsh environment was presented. Compared to the current researches in this field, this method could track the invasion target more accurately in the video surveillance scene, and the efficiency of the algorithm was improved greatly. First, based on the current mainstream background modeling method codebook algorithm, the background updating method was improved, which made the computation efficiency and the foreground of the codebook detection accuracy improved greatly compared to the original algorithm. The main performance was better than other mainstream background modeling algorithm. Then, a particle filter algorithm as the multi-target tracking method made large improvement for resampling method that could maintain the effectiveness and diversity of the particles in real time environment. Experiments proved this system could be used in multi-target real-time tracking under harsh environment and had effective performances.

Key words: vision, video analysis, dynamic background modeling, multi-target tracking; , image processing, particle filter algorithm

中图分类号: 

  • TP24
[1] 张宪红,张春蕊. 基于六维前馈神经网络模型的图像增强算法[J]. 山东大学学报(工学版), 2018, 48(4): 10-19.
[2] 侯秋林,孙杰,皇攀凌,孙超,牟文平. 基于机器视觉刀具几何参数检测算法与误差分析[J]. 山东大学学报(工学版), 2017, 47(4): 77-82.
[3] 胡金戈,唐雁. 基于视觉中心转移的视觉显著性检测方法[J]. 山东大学学报(工学版), 2017, 47(3): 27-33.
[4] 马帅依凡,赵子健. 基于人工标记的手术导航仪[J]. 山东大学学报(工学版), 2017, 47(3): 63-68.
[5] 杨元慧,李国栋,吴春富,王小龙,蔡小伟. 移动机械臂手眼关系标定及视觉伺服控制方法[J]. 山东大学学报(工学版), 2016, 46(5): 54-63.
[6] 赵子健,陈兆瑞,李冰清. 基于非最小化优化的手眼标定方法[J]. 山东大学学报(工学版), 2016, 46(4): 28-33.
[7] 孟令恒,丁世飞. 基于单静态图像的深度感知模型[J]. 山东大学学报(工学版), 2016, 46(3): 37-43.
[8] 任玉玲, 路文, 徐红强, 何立火. 一种基于Shearlet变换的图像质量客观评价方法[J]. 山东大学学报(工学版), 2015, 45(3): 15-21.
[9] 高焕兵, 田国会. 面向配电系统的带电抢修作业机器人[J]. 山东大学学报(工学版), 2015, 45(1): 45-53.
[10] 李春雷, 张兆翔, 刘洲峰, 廖亮, 赵全军. 基于纹理差异视觉显著性的织物疵点检测算法[J]. 山东大学学报(工学版), 2014, 44(4): 1-8.
[11] 袁丽,田国会*,李国栋. #br# NAO机器人的视觉伺服物品抓取操作[J]. 山东大学学报(工学版), 2014, 44(3): 57-63.
[12] 潘晟旻1,2,钟毅1*,王建华2. 基于改进Canny算子的坯料挤压变形边缘提取[J]. 山东大学学报(工学版), 2013, 43(5): 19-23.
[13] 徐姗姗,刘应安*,徐昇. 基于卷积神经网络的木材缺陷识别[J]. 山东大学学报(工学版), 2013, 43(2): 23-28.
[14] 陈旭1, 张基宏2, 柳伟2, 梁永生2. 基于视觉注意的视频可伸缩ROI算法[J]. 山东大学学报(工学版), 2013, 43(1): 15-21.
[15] 梁敏瑜, 孙权森*. 基于结构特征的图像质量评价模型[J]. 山东大学学报(工学版), 2012, 42(3): 52-56.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发