留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于OLDM与贝叶斯估计的鲁棒视觉跟踪

余旺盛 田孝华 侯志强 陈校平

余旺盛, 田孝华, 侯志强, 陈校平. 基于OLDM与贝叶斯估计的鲁棒视觉跟踪[J]. 武汉大学学报 ● 信息科学版, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
引用本文: 余旺盛, 田孝华, 侯志强, 陈校平. 基于OLDM与贝叶斯估计的鲁棒视觉跟踪[J]. 武汉大学学报 ● 信息科学版, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
YU Wangsheng, TIAN Xiaohua, HOU Zhiqiang, CHEN Xiaoping. Robust Visual Tracking Based on OLDM and Bayesian Estimation[J]. Geomatics and Information Science of Wuhan University, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
Citation: YU Wangsheng, TIAN Xiaohua, HOU Zhiqiang, CHEN Xiaoping. Robust Visual Tracking Based on OLDM and Bayesian Estimation[J]. Geomatics and Information Science of Wuhan University, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535

基于OLDM与贝叶斯估计的鲁棒视觉跟踪

doi: 10.13203/j.whugis20130535
基金项目: 国家自然科学基金资助项目(61175029,61473309)。
详细信息
    作者简介:

    余旺盛,博士,讲师,主要从事图像处理与计算机视觉研究。E-mail:xing_fu_yu@sina.com

  • 中图分类号: TP391;TP751

Robust Visual Tracking Based on OLDM and Bayesian Estimation

Funds: The National Natural Science Foundation of China, Nos. 61175029, 61473309.
  • 摘要: 提出了一种在线学习判别式模型OLDM(online learning discriminative model),并结合贝叶斯估计实现了对视觉运动目标的鲁棒跟踪。首先,通过对初始化的跟踪区域进行样本标记与聚类分析得到目标的判别式模型;然后,利用该模型在预测的跟踪区域内计算目标的似然分布;最后,在贝叶斯框架下完成目标状态的确定并对模型进行学习与更新。算法通过在线学习适时更新目标模型,增强了算法对目标表观变化的适应性。实验结果表明,本文算法能够有效地适应目标表观特征的复杂变化,对目标的尺度、光照、遮挡以及非刚性形变等具有较强的鲁棒性,算法的跟踪精度与稳定性比当前主流算法均有一定提高。
  • [1] Adam A, Rivlin E, Shimshoni I. Robust Fragment-Based Tracking Using Integral Histogram [C]. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), New York, USA, 2008
    [2] Yang F, Lu H, Chen Y. Bag of Feature Tracking[C]. Proceedings of the 20th International Conference on Pattern Recognition (ICPR),Istanbul, Turkey, 2010
    [3] Ross D, Lim J, Lin R, et al. Incremental Learning for Robust Visual Tracking [J]. International Journal of Computer Vision, 2008, 77(1): 125-141
    [4] Wang D, Lu H, Yang M. Online Object Tracking with Sparse Prototypes [J]. IEEE Transactions on Image Processing, 2013, 22 (1): 314-325
    [5] Oron S, Bar-Hillel A, Levi D,et al. Locally Orderless Tracking [C]. Proceedings of the 25th IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Providence, USA, 2012
    [6] Du B, Zhang L. Target Detection Based on a Dynamic Subspace [J]. Pattern Recognition, 2014, 47(1): 344-358
    [7] Du B, Zhang L, Tao D,et al. Unsupervised Transfer Learning for Target Detection from Hyperspectral Images [J]. Neurocomputing, 2013, 120: 72-82
    [8] Zhang K, Zhang L, Yang M. Real-time Compressive Tracking [C]. Proceedings of the 7th European Conference on Computer Vision (ECCV),Berlin, Germany, 2012
    [9] Wu Y, Lim J, Yang M H. Online Object Tracking: A Benchmark [C]. Proceedings of the 26th IEEE Conference on Computer Vision and Pattern Recognition (CVPR),Portland, USA, 2013
    [10] Wang S, Lu H, Yang F, et al. Superpixel Tracking [C]. Proceedings of the 13th IEEE International Conference on Computer Vision (ICCV),Barcelona, Spain, 2011
    [11] Yu Wangsheng, Hou Zhiqiang, Song Jianjun. Color Image Segmentation Based on Marked-Watershed and Region-Merger [J]. Acta Electronic Sinica, 2011, 39(5): 1 007-1 012(余旺盛, 侯志强, 宋建军. 基于标记分水岭和区域合并的彩色图像分割[J]. 电子学报, 2011, 39(5): 1 007-1 012)
    [12] Comaniciu D, Meer P.Mean Shift: A Robust Approach Toward Feature Space Analysis [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(5): 603-619
  • [1] 赵望宇, 李必军, 单云霄, 徐豪达.  融合毫米波雷达与单目视觉的前车检测与跟踪 . 武汉大学学报 ● 信息科学版, 2019, 44(12): 1832-1840. doi: 10.13203/j.whugis20180146
    [2] 李宗华, 孟成, 周海燕, 潘琛玲.  一种基于4D流本体建设工程时空数据模型的地理要素更新方法 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2310-2316. doi: 10.13203/j.whugis20180173
    [3] 曾安敏, 杨元喜, 景一帆, 明锋.  BDS/GPS融合定位中系统偏差补偿模型及其性能分析 . 武汉大学学报 ● 信息科学版, 2017, 42(10): 1423-1430. doi: 10.13203/j.whugis20150808
    [4] 眭海刚, 华凤, 范一大, 刘俊怡.  利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323
    [5] 李林阳, 吕志平, 崔阳, 王宇谱, 吕浩, 宫晓春.  大规模GNSS基线向量网抗差并行贝叶斯估计 . 武汉大学学报 ● 信息科学版, 2016, 41(10): 1385-1390. doi: 10.13203/j.whugis20140763
    [6] 周维勋, 邵振峰, 侯继虎.  利用视觉注意模型和局部特征的遥感影像检索方法 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 46-52.
    [7] 袁胜古, 潘俊, 应荷香, 王密.  一种改进的GVF蛇模型水域矢量边界更新方法 . 武汉大学学报 ● 信息科学版, 2015, 40(4): 503-509. doi: 10.13203/j.whugis20140026
    [8] 闫利, 胡晓斌.  利用Contourlet-SSIM视觉模型的IKONOS图像质量评价研究 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 12-16.
    [9] 殷智慧, 李朝奎, 吴柏燕, 杨 偶, 杨 武.  保持视觉特征的lod模型简化算法研究 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 772-776.
    [10] 马俊, 王光霞, 崔秀飞, 齐晓飞.  采用力矩平衡原理建立地图视觉平衡模型 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 116-120.
    [11] 陶建斌, 舒宁, 沈照庆.  利用互信息改进遥感影像朴素贝叶斯网络分类器 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 228-232.
    [12] 徐卫明, 刘雁春, 殷晓冬.  基于交互多模型的水下目标跟踪方法 . 武汉大学学报 ● 信息科学版, 2007, 32(9): 782-785.
    [13] 周奕华, 卢健, 万晓霞, 徐锦林.  基于打印机和视觉模型的阶调误差扩散算法的研究 . 武汉大学学报 ● 信息科学版, 2006, 31(9): 826-828.
    [14] 谭喜成, 边馥苓.  用贝叶斯分类方法和本体实现空间信息语义互操作 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 724-727.
    [15] 杜欣, 赵晓光.  基于彩色图像的机器人视觉跟踪 . 武汉大学学报 ● 信息科学版, 2006, 31(2): 136-139.
    [16] 邵永社, 陈鹰, 李晶.  一种基于小波系数相关性的图像降噪方法 . 武汉大学学报 ● 信息科学版, 2005, 30(9): 771-774.
    [17] 黄解军, 万幼川, 潘和平.  贝叶斯网络结构学习及其应用研究 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 315-318.
    [18] 许才军, 李志才.  轮回搜索-贝叶斯法及其在大地测量反演中的应用 . 武汉大学学报 ● 信息科学版, 2003, 28(6): 658-662.
    [19] 朱庆, 李志林, 龚健雅, 眭海刚.  论我国“1:1万数字高程模型的更新与建库” . 武汉大学学报 ● 信息科学版, 1999, 24(2): 129-133.
    [20] 王新洲.  贝叶斯序贯平差 . 武汉大学学报 ● 信息科学版, 1994, 19(4): 315-321.
  • 加载中
计量
  • 文章访问数:  945
  • HTML全文浏览量:  43
  • PDF下载量:  415
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-25
  • 刊出日期:  2015-11-05

基于OLDM与贝叶斯估计的鲁棒视觉跟踪

doi: 10.13203/j.whugis20130535
    基金项目:  国家自然科学基金资助项目(61175029,61473309)。
    作者简介:

    余旺盛,博士,讲师,主要从事图像处理与计算机视觉研究。E-mail:xing_fu_yu@sina.com

  • 中图分类号: TP391;TP751

摘要: 提出了一种在线学习判别式模型OLDM(online learning discriminative model),并结合贝叶斯估计实现了对视觉运动目标的鲁棒跟踪。首先,通过对初始化的跟踪区域进行样本标记与聚类分析得到目标的判别式模型;然后,利用该模型在预测的跟踪区域内计算目标的似然分布;最后,在贝叶斯框架下完成目标状态的确定并对模型进行学习与更新。算法通过在线学习适时更新目标模型,增强了算法对目标表观变化的适应性。实验结果表明,本文算法能够有效地适应目标表观特征的复杂变化,对目标的尺度、光照、遮挡以及非刚性形变等具有较强的鲁棒性,算法的跟踪精度与稳定性比当前主流算法均有一定提高。

English Abstract

余旺盛, 田孝华, 侯志强, 陈校平. 基于OLDM与贝叶斯估计的鲁棒视觉跟踪[J]. 武汉大学学报 ● 信息科学版, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
引用本文: 余旺盛, 田孝华, 侯志强, 陈校平. 基于OLDM与贝叶斯估计的鲁棒视觉跟踪[J]. 武汉大学学报 ● 信息科学版, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
YU Wangsheng, TIAN Xiaohua, HOU Zhiqiang, CHEN Xiaoping. Robust Visual Tracking Based on OLDM and Bayesian Estimation[J]. Geomatics and Information Science of Wuhan University, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
Citation: YU Wangsheng, TIAN Xiaohua, HOU Zhiqiang, CHEN Xiaoping. Robust Visual Tracking Based on OLDM and Bayesian Estimation[J]. Geomatics and Information Science of Wuhan University, 2015, 40(11): 1539-1544. doi: 10.13203/j.whugis20130535
参考文献 (12)

目录

    /

    返回文章
    返回